在量化投资中，波动率通常是通过对投资组合或策略每日收益率的标准差进行计算的，反映了收益率与其平均值偏离的程度。通过计算一段时间内每日收益率的标准差并进行年化处理，这里的年化处理，通常是乘以根号下的交易天数，通过这个公式我们可以得到年化波动率，它表示策略收益在一年内可能发生的预期波动范围。

波动率在投资策略的风险评估中扮演着至关重要的角色。高波动率策略就像是过山车，可能短时间内带来丰厚回报，但同时也容易遭遇大幅下滑，这对风险偏好较低或追求稳定收益的投资者来说，可能并不适宜。相反，低波动率策略趋向于提供更平稳的收益曲线，即使增长速率可能不如高波动策略快，但它减少了短期内出现巨大损失的可能性，适合那些注重资本保护和长期稳健增长的投资者。

在了解了波动率作为衡量投资策略风险的指标后，接下来我们介绍另一个同样重要的风险收益评估指标，夏普比率，它不仅关注风险，更侧重于反映每承担一单位风险所能带来的超额收益，从而为投资者提供了一个更为全面且实用的风险收益性价比视角。

夏普比率是由诺贝尔经济学奖得主威廉·夏普提出。

威廉 夏普

它的计算公式是等于，年化收益率减去无风险利率，再除以波动率。这里的无风险利率通常是指国债收益率，减去无风险利率后得到的是投资组合相对于无风险投资的超额回报。

一个较高的夏普比率意味着投资组合在承担同等风险的情况下，能获得更高的收益，因此它常被用来评价基金经理的能力和不同投资策略的效率。

举例来说，如果一个投资产品的夏普比率大于1，意味着投资者每多承担一份风险，可以期望获得超过一份的回报，这样的投资产品在风险收益比上更具吸引力。相反，如果一个投资产品的夏普比率小于1，这意味着投资者每多承担一份风险，获得的超额回报不足一份。在这种情况下，投资产品的性价比相对较低，也就是说，相对于其所承担的风险，投资策略未能带来足够高的超额收益。

波动率与夏普比率相辅相成，共同构成了投资者在决策过程中不可或缺的风险收益分析框架，帮助投资者在追求更高收益的同时，有效地控制和权衡投资风险。

波动率 = 每日收益率的标准差，volatility = day_returns.std()

day_returns：通常是指资产每日收益率的数据集，它可以是股票、基金等投资品种每天的收益率。

.std()：这是 NumPy 库提供的标准差计算方法，用于衡量收益率的变化幅度。对于投资收益而言，标准差越大，意味着收益的波动性越大。

np.sqrt(250)：在金融中，一年通常以250个交易日来估算（假设一年中除去周末和节假日每天都交易）。将标准差乘以 sqrt(250)，实际上是将日收益率的标准差年化。这是因为标准差是对方差的平方根，而方差的年化是通过乘以时间周期的平方根来完成的（根据方差的定义和复合过程的性质）。

所以，整个表达式 volatility = day_returns.std() * np.sqrt(252) 的含义是：计算并得出资产的日收益率年化波动率。