量化概念 23:信息比率(选股能力的标尺)
信息比率(IR)= 超额收益 ÷ 跟踪误差。和夏普的区别:分子换基准、分母换跟踪误差。衡量主动管理能力——偏离基准的每一单位跟踪误差换来多少超额收益。依赖基准选择、向后看、不区分偏离方向,需配绝对超额收益一起看。
信息比率(IR)= 超额收益 ÷ 跟踪误差。和夏普的区别:分子换基准、分母换跟踪误差。衡量主动管理能力——偏离基准的每一单位跟踪误差换来多少超额收益。依赖基准选择、向后看、不区分偏离方向,需配绝对超额收益一起看。
我以为我是反战的。认真想下来,我没资格这么说。
自媒体时代还需要个人博客吗?拆成三个问题一层层答:人为什么要有自己的输出渠道、为什么还要留一块自己的地方、为什么连博客系统都自己写。
朴素重试(失败立刻重试)在大规模下会引发重试风暴和级联放大。正确策略四件套:指数退避(给下游恢复时间)+抖动(打破同步)+重试预算(限制总重试流量)+只重试瞬时故障且幂等的操作。再配熔断器兜底——重试失败到阈值就停止,别一直试一个挂掉的服务。重试不是"再试一次",是需要设计的工程。
幂等性(Idempotency)= 同一操作执行一次和多次产生相同结果。分布式环境下网络超时、消息重投、自动重试逼着操作必须幂等。实现靠"记住做过没有":request_id 去重表、唯一约束、状态机、乐观锁。幂等和并发安全是两件事——前者管重复不出错,后者管同时不出错。
胜率 = 赚钱频率,盈亏比 = 赚钱幅度,两者相乘才是期望收益。高胜率+低盈亏比(均值回归)和低胜率+高盈亏比(趋势跟踪)都能赚钱,但心理压力和资金要求完全不同。盈亏平衡线:胜率 > 1/(1+盈亏比)。回测时胜率、盈亏比、最大连续亏损一起看,比年化收益更能判断策略"拿不拿得住"。
索提诺比率(Sortino Ratio)= 夏普的"只看下跌"版——大涨不算风险,只有跌才扣分。下行标准差只算低于目标的偏离。适合收益偏斜的策略,和夏普一起看能判断波动来源。但下行样本更少、依然向后看、不看序列,需配最大回撤兜底。
从大盘指标定位维度,到采样定位函数,再到行级追踪——从大到小看,每一步基于上一步的证据。火焰图看平顶不看宽度。Rust 瓶颈往往在算法,Python 在解释器和进程开销。改完用数字确认,P99 达标就停。
标准差衡量收益分布的宽度,分布越宽越不可预测。年化用 √252 法则,和年化收益同口径比较。但标准差不区分涨跌、假设正态分布、向后看——搭配最大回撤看尾部,搭配夏普比率看性价比,才是完整的风险画像。
技术债不是因为决策做错了,是条件变了之后当初合理的决策不再合理。不是所有债都该还——利息高的该还,利息低的该背,架构级的才值得专门花时间。没有专职管理员,靠写代码的人顺手还、技术负责人盯大债。