Calcolatore di rapporto di copertura

È il prodotto della correlazione tra i rendimenti a pronti e quelli dei futures e il quoziente dei rispettivi scarti quadratici medi: hedge_ratio equivale a correlation per spot_std fratto futures_std.

Come si ottiene il rapporto di copertura ottimale da correlazione e volatilità

Hull, le note del curriculum CFA e ogni primer di overlay quotati scrivono quel numero come il prodotto della correlazione dei rendimenti a pronti e dei futures e il quoziente dei rispettivi scarti quadratici medi: hedge_ratio equivale a correlation moltiplicata per spot_std e divisa per futures_std. correlation è la r di Pearson tra le due serie di rendimenti sulla finestra che Lei ha scelto, limitata da meno uno a più uno. spot_std è lo scarto quadratico medio dei rendimenti a pronti su quella stessa finestra; futures_std è lo scarto quadratico medio dei rendimenti dei futures. Questo endpoint non stima la correlazione né l'uno o l'altro scarto da tick grezzi, non sceglie un lookback, non converte il rapporto in un conteggio di contratti da nozionale e moltiplicatore e non marca un ticket di futures a profitto o perdita.

Contratto di ingresso, forma della risposta e comportamento d'errore

Una correlazione fuori da meno uno a più uno fallisce perché non è un coefficiente di Pearson. Uno scarto quadratico medio negativo fallisce perché uno scarto non può essere negativo. Quei fallimenti non vengono fatturati. Invii con POST un corpo JSON con tre numeri finiti obbligatori. correlation è la r di Pearson tra la serie di rendimenti a pronti e quella dei futures, e deve stare nell'intervallo chiuso da meno uno a più uno; gli alias rho, corr e correlation_coefficient puntano allo stesso campo perché il foglio conservi i nomi delle colonne. spot_std è lo scarto quadratico medio dei rendimenti a pronti nella stessa unità di futures_std; si accettano gli alias sigma_s, spot_sd, sigma_spot e spot_stdev. futures_std è lo scarto quadratico medio dei rendimenti dei futures; si accettano gli alias sigma_f, futures_sd, sigma_futures e futures_stdev. Ogni campo numerico può arrivare come numero JSON o come stringa numerica. Campi assenti, stringhe vuote e valori non finiti falliscono con invalid_input nominando il campo. Uno spot_std nullo è ammesso e restituisce un rapporto di copertura pari a zero. Se la convalida passa, il corpo ripete correlation, spot_std e futures_std, segnala hedge_ratio come overlay arrotondato e una stringa di formula che riafferma l'identità. Esempio: correlation 0.9, spot_std 4 e futures_std 5 producono un rapporto di copertura di 0.72. Abbini il JSON alla Sua nota sulla finestra e sulla convenzione di rendimento usata — semplice contro log, giornaliero contro settimanale — perché questo endpoint moltiplica i tre numeri che Lei invia; non ricostruisce una matrice di covarianza, non annualizza frequenze miste e non dimensiona il libro in contratti. Mantenga futures_std strettamente positivo e finito, fissi nei test l'hedge_ratio arrotondato e ottiene un rapporto di copertura a varianza minima riproducibile per fogli, plugin LMS e worker di bordo senza montare un motore di regressione proprio.

Dove un calcolatore di rapporto di copertura rende

I commercianti e gli assistenti di desk rielaborano gli stessi tre campi quando una nuova finestra si chiude o un regime di base sposta una delle due volatilità, poi fissano hedge_ratio in un blotter affinché ogni conversazione parta da un solo numero. Poiché l'implementazione è parse pura di livello A, ogni chiamata riuscita costa la tariffa base pubblicata $0.002 senza token di modello né rete in uscita. Mantenga futures_std strettamente maggiore di zero, fissi nei test l'overlay arrotondato e ottiene un rapporto di copertura riproducibile per teaser, plugin LMS e worker di bordo senza montare un motore di covarianza proprio.