测试夏普比率的重要性

测试夏普比率或信息比率的重要性的正确方法是什么？夏普比率将基于各种股指，并且可能具有可变的回溯期。

我看到的一种解决方案只是应用了学生t检验，而df设置为回溯期的长度。

由于以下原因，我不愿采用上述方法：

1. 我认为t检验对偏斜敏感，但是股本收益通常会产生负偏斜。
2. 使用对数收益计算的平均收益小于使用简单收益计算的平均收益。我认为，与基于对数收益的夏普比率相比，基于收益的简单夏普比率更有可能被注册为重要资产，但是底层资产收益在技术上是相同的。
3. 如果回溯期很小（即样本量很小），则t检验可能是适当的，但是使用其他检验在什么阈值下有意义？

我的第一个倾向是避免使用学生t分布，而是创建一个基于非对称配电，我已经测试读取已被证明是股市回报的一个非常接近的近似，允许在峰度和偏度控制。

我的第二个倾向是看非参数测试，但是由于使用经验有限，我不确定从哪里开始以及应该避免的陷阱。

我是否在考虑这个问题，是否与我的担忧无关？

Bailey和MarcosLópezde Prado设计了一种方法来做到这一点。他们使用夏普比率的渐近正态分布这一事实，即使收益率不是。

此处gamme_3和gamma_4是收益的偏度和峰度。他们使用此表达式得出概率夏普比率。

SR ^ *是原假设下的锐度比值，如果估计的PSR大于0.95，则在5％的显着性水平下，锐化率显着大于SR *。