Tools
夏普比率与索提诺比率:风险调整后收益详解
为何总收益是一个具有误导性的评分标准
两个策略可能年化收益率同样是20%,但表现却截然不同。一个策略稳步获利,偶尔出现小幅回撤;另一个策略在+15%和−12%的月度收益之间剧烈波动,最终恰好落在同一个位置。如果你只看总收益,它们看起来是一样的。但如果你必须真正持有一个策略度过回撤期,两者可谓天壤之别。收益数字无法回答的问题是:你为赚取这些收益承担了多少风险?
这正是风险调整后收益比率所衡量的内容。其中最广泛使用的两个指标是夏普比率和索提诺比率。两者都是用超额收益除以某种风险度量,但它们对"风险"的定义不同—而这正是关键所在。本指南将解释这两个公式、它们为何会产生分歧,以及如何解读结果。如果你只想要计算结果,把你的收益率序列粘贴进夏普与索提诺计算器,即可一次性算出两者。
夏普比率:每单位总波动率的超额收益
夏普比率衡量的是你相对于无风险基准每承担一单位总波动率所获得的超额收益。其公式(按周期计算)为:
- 夏普比率(每周期) = (平均收益率 − 无风险利率) ÷ 收益率的标准差
这里有三个要素需要注意。平均收益率是各周期收益率的均值。无风险利率是你在零风险情况下可获得的收益(比如短期政府债券),经过反年化处理以匹配你的周期—计算器是用年化利率除以每年周期数,而非复利计算。减去无风险利率后得到你的超额收益:即承担风险所获得的回报。分母是该序列中所有收益率的样本标准差。
由于分母是总波动率,夏普比率对所有方差一视同仁地施加惩罚。上涨15%的月份对标准差的贡献,与下跌15%的月份完全相同。夏普比率将剧烈的上行波动与亏损同等视为"风险"—而对大多数交易者来说,这与风险的实际感受并不相符。
索提诺比率:只惩罚下行波动
索提诺比率修正了大多数人对夏普比率不满的这种不对称性。它保留了相同的分子—超额收益—但将分母替换为下行偏差,该指标只计算低于无风险利率的收益率:
- 索提诺比率(每周期) = (平均收益率 − 无风险利率) ÷ 下行偏差
- 下行偏差 = √( Σ min(0, 收益率 − 无风险利率)² ÷ N )
只有表现低于无风险利率的周期才会计入总和;每个上涨周期都被视为零,而非风险。请注意,总和仍然除以周期总数N,而不仅仅是亏损周期的数量—这是标准惯例,可确保该比率在不同序列间具有可比性。
由此产生的结果是:一个上行波动大、亏损小且可控的策略,其索提诺比率会远高于夏普比率。那些拉高标准差(拖累夏普比率)的上行波动,对下行偏差(有利于索提诺比率)而言是不可见的。如果两个比率相近,说明你的收益大致对称。如果索提诺比率远高于夏普比率,说明你的盈利波动较大而亏损很小—这通常是交易者青睐的收益特征。
比率的年化处理
各周期的原始比率很难在日、周、月数据之间进行比较,因此两者都通过乘以每年周期数的平方根来进行年化—日频用√252,月频用√12,依此类推。同样的√时间法则也用于波动率的年化报告。这就是为什么计算器要求你选择频率:它需要知道年化系数。
实例演算
以某策略的十二个月度收益率为例:+4、−2、+6、+1、−3、+5、+2、−1、+3、0、−2、+7(单位均为%),为简化起见假设无风险利率为0%,频率为月度。月平均收益率为1.667%,样本标准差为3.37%,而下行偏差—仅由四个亏损月份(−2、−3、−1、−2)构建—仅为1.22%。
| 指标 | 数值 | 计算方式 |
|---|---|---|
| 月平均收益率 | 1.667% | 12个收益率的平均值 |
| 标准差 | 3.37% | 全部12个数据的样本标准差 |
| 下行偏差 | 1.22% | 仅计算4个负收益月份 |
| 年化收益率 | 20.0% | 平均值 × 12 |
| 年化波动率 | 11.66% | 标准差 × √12 |
| 夏普比率 | 1.71 | (1.667 ÷ 3.37) × √12 |
| 索提诺比率 | 4.71 | (1.667 ÷ 1.22) × √12 |
这个差距揭示了真相。1.71的夏普比率已属不错。但4.71的索提诺比率揭示出,该策略的波动性绝大部分来自上行波动—+7和+6的月份大幅拉高了标准差,拖累了夏普比率,而实际亏损却很轻微。只看夏普比率的交易者会低估这个策略在控制下行风险方面的出色表现。
如何使用夏普与索提诺计算器
该工具需要一个收益率序列和两项设置:
- 周期收益率(%,用逗号或换行分隔) — 粘贴你的收益率列表,每个周期一个数值,以百分比表示。逗号和换行都可以使用,因此你可以直接从电子表格中复制一列数据。至少输入两个数值;工具会显示它解析出的周期数量。
- 频率 — 根据你的数据选择日频(252次/年)、周频(52次/年)、月频(12次/年)、季频(4次/年)或年频(1次/年)。这将决定√时间年化系数。
- 无风险利率(年化%) — 你能够以无风险方式获得的年化收益率。工具会通过简单除法进行反年化处理,并从每个周期的收益率中减去它以得到超额收益。如果你想要原始比率,输入0即可。
结果面板会返回夏普比率、索提诺比率、年化收益率和年化波动率—足以在原始收益和风险调整后收益两个维度上比较任意两个策略。
如何客观地解读这些数字
作为大致参考,夏普比率或索提诺比率超过1属于可以接受,超过2非常好,超过3则相当出色。但这些阈值会因资产类别和时间跨度而异,而最大的陷阱在于样本量。少量的收益率数据可能因单个异常值而剧烈波动,因此一段短暂或运气好的表现区间可能产生具有误导性的高比率;建议至少积累20–30个周期的数据后再信任读数,并始终在相同的周期长度和频率下比较不同策略。日频夏普比率与月频夏普比率的单位并不相同。
这些比率描述的是收益曲线的平滑程度,而非最深回撤的深度—若要了解后者,可搭配回撤与恢复分析一起使用,它展示了权益下跌的幅度以及恢复所需的时间。而且风险调整后收益是一种诊断工具,而非仓位规模规则:每笔交易该投入多少仍应由你的仓位规模与风险管理框架来决定。如果你关注的具体是亏损这一侧—即在给定置信水平下可能损失多少,而非收益风险比得分—那么配套的风险价值(VaR)指南直接涵盖了这一度量指标。