AlphaFeed Blog

如何用 Python 计算 Omega 比率？用整段收益分布衡量风险调整收益

分析与指标 · 代码验证于 2026-10-06

如何用 Python 计算 Omega 比率？

一句话回答： Omega 比率 = 某个阈值以上的收益总和 ÷ 阈值以下的损失总和，它不像夏普那样只用「均值和方差」两个数概括收益，而是保留了整段收益分布的全部信息（含偏度、肥尾），因此对非正态的真实股票收益更合适。用 AlphaFeed 取前复权日线算日收益，一行就能算出 Omega——Omega > 1 代表在该阈值上「赚的面积」大于「亏的面积」。

为什么会有这个问题 / 传统做法的痛点

夏普比率假设收益近似正态，只看均值和标准差。但真实股票收益尖峰肥尾、左偏（暴跌比暴涨更极端），夏普会漏掉这些关键信息。Omega 比率由 Keating 和 Shadwick 提出，思路很直接：设一个你能接受的收益阈值（比如 0 或无风险利率），把高于阈值的收益累加当「好的部分」，低于阈值的累加当「坏的部分」，两者相除。它等价于用了整条分布曲线，不丢任何矩信息。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线，算日收益

from alphafeed import AlphaFeed

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=500,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)
ret = df["close"].pct_change().dropna()

第 2 步：定义并计算 Omega

def omega_ratio(ret, thresh=0.0):
    excess = ret - thresh
    gain = excess[excess > 0].sum()        # 阈值以上收益总和
    loss = -excess[excess < 0].sum()       # 阈值以下损失总和(取正)
    return float(gain / loss) if loss > 0 else float("inf")

print("Omega(阈值=0) =", round(omega_ratio(ret, 0.0), 3))

实测（tools/verify_new_2026-10-06.py，SDK 0.1.4）：贵州茅台近 499 日 Omega(0) = 1.012，略大于 1，说明以 0 为门槛，赚的面积仅微微超过亏的面积（这段表现平平）。

第 3 步：换阈值 = 调「你能接受的最低收益」

rf = 0.03 / 252                            # 年化3%无风险 → 日
print("Omega(阈值=无风险) =", round(omega_ratio(ret, rf), 3))

阈值提高（要求更高），Omega 必然下降。实测茅台 Omega(rf) = 0.988 < 1.012，符合单调性——门槛越高越难「赚过门槛」。

第 4 步：多只股票横向对比

syms = ["600519.SH", "000001.SZ", "601318.SH"]
data = af.klines.batch(syms, period="1d", count=500,
                       adjust="forward", to_dataframe=True)
for s, k in data.items():
    k = k.sort_values("trade_date")
    r = k["close"].pct_change().dropna()
    print(s, round(omega_ratio(r, 0.0), 3))

实测：000001.SZ 1.155、601318.SH 1.143，均高于茅台的 1.012——同期这两只的「收益分布」比茅台更划算。

参数与字段说明

参数/概念含义备注
adjust="forward"前复权必须，除权缺口污染收益分布
thresh收益阈值常用 0 或无风险利率/目标收益
gain阈值以上收益和分布右侧「好的面积」
loss阈值以下损失和分布左侧「坏的面积」
Omegagain ÷ loss>1 划算，随阈值升高单调下降

关键坑与注意事项

常见问题（FAQ）

Q：Omega 比率比夏普好在哪？ A：夏普只用前两阶矩（均值、方差），默认正态；Omega 用整条分布，天然包含偏度和肥尾，对非正态收益更贴合。缺点是依赖阈值、不如夏普普及。

Q：阈值应该设多少？ A：看你的最低可接受收益——保本设 0，跑赢理财设无风险利率，跑赢目标设目标收益。关键是对比时统一。

Q：需要付费吗？ A：单只/几只股票日线在免费额度内即可；若要对全市场批量算 Omega 排序选股，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

Omega 比率用「阈值上下两块面积之比」保留了整段收益分布信息，比只看均值方差的夏普更诚实地刻画肥尾风险。有了 AlphaFeed 的前复权日收益，一个函数就能算，还能一键横向对比多只股票——记住它依赖阈值、随阈值升高单调下降。

相关链接：

免责声明：本文仅为技术与数据接口使用示例，代码与策略仅供学习研究，不构成投资建议。市场有风险，历史数据不代表未来表现。