跳到正文
Financial Context Wiki

夏普比率：超额收益、波动率、年化与统计推断

使用对齐的周期超额收益、明确的费用与无风险收益输入、可辩护的年化方法、序列依赖控制及抽样不确定性，计算并解释夏普比率。

更新于

仅供教育参考，不构成投资建议；投资可能产生损失。

直接答案

夏普比率衡量零投资差额头寸的平均收益与该差额收益标准差之间的关系。在常规超额收益版本中，每个观测值为 x_t = R_{p,t} - R_{f,t}，其中投资组合总收益和参照无风险持有期收益采用相同的日期、币种、频率与收益口径。

对于 T 个历史观测值，常用事后估计量为 SR̂_Δ = x̄ ÷ s_x，其中 x̄ = (1 ÷ T)Σx_t，而 s_x = √[Σ(x_t - x̄)² ÷ (T - 1)]。下标 Δ 表示观测区间。当 s_x = 0 时，该比率无定义；分母极小时，结果在经济意义上也可能很不稳定。

事后比率描述的是一个已经实现的样本。事前夏普比率采用预期差额收益和预测波动率：SR_ex ante = E[R_p - R_f] ÷ σ(R_p - R_f)。历史表现并非对事前值的无偏承诺。估计值较高，仅说明样本中的平均差额收益相对于样本波动更大，并不表示损失、回撤、尾部风险、流动性风险或未来表现不佳受到限制。

应始终采用算术周期总收益。不要把算术平均数与对数收益波动率组合使用，不要从日度或月度收益中直接减去年化报价收益率，也不要用复合年收益除以来自另一频率的波动率估计值。

七步可复现流程

  1. 界定决策与衡量口径。 说明比率属于事后还是事前、所评估的投资组合或策略、投资者还是基金视角、费用前还是费用后、杠杆与融资处理、币种和日期，以及比较对象是无风险资产还是其他基准。
  2. 构建收益序列。 使用当时可得的总收益，并一致处理分派、费用、交易成本、现金、衍生品、融资、适用税项及外部现金流；区分投资组合的时间加权表现与投资者的资金加权收益。
  3. 构建参照序列。 按一致的币种、日期、天数计算惯例、复利方法、期限和再投资假设，将选定现金或无风险工具转换为每个观测期的持有期收益；未经转换，不得用票面收益率或年化报价替代。
  4. 估计周期比率。 计算逐期超额收益、算术平均数、常规样本标准差、观测数量、缺失数据规则及 SR̂_Δ；保留足以复现结果的精度，并明确报告无定义或接近零波动率的情形。
  5. 诊断依赖关系与分布。 在选择年化或推断方法之前，衡量自相关、重叠观测、陈旧或模型估值、波动率聚集、状态转变、偏度、峰度及尾部损失。
  6. 有条件地年化并推断。 仅在均值和方差缩放假设合理时使用 √q 缩放；否则直接汇总收益或使用考虑依赖关系的估计量，并报告置信区间或自助法比较，不要把细小的排名差异当成事实。
  7. 审计选择过程与经济可行性。 记录试过的每个策略、参数、投资范围、起始日、基准和频率；校正多重检验与生存者偏差，纳入可实施成本和容量，并结合回撤、尾部、因子、流动性、杠杆与压力指标审视夏普比率。

计算示例

  • 周期估计与 IID 缩放。 在 36 个月内，某已扣除评估范围内费用的投资组合月均总收益为 1.10%，对齐后的月均无风险收益为 0.30%，月度超额收益标准差为 2.40%。monthly SR̂ = (1.10% - 0.30%) ÷ 2.40% = 0.3333；在 IID 近似下，annualized SR̂ ≈ 0.3333 × √12 = 1.1546。
  • 转换无风险输入。 4.80% 的有效年现金收益对应 monthly R_f = (1 + 4.80%)^(1/12) - 1 = 0.3915%，并非恰好为 4.80% ÷ 12。若投资组合月收益为 0.90%、超额收益波动率为 1.80%，则 monthly SR̂ = (0.90% - 0.3915%) ÷ 1.80% = 0.2825，按 IID 缩放的 annualized SR̂ = 0.2825 × √12 = 0.9786。
  • 正序列相关。 某平稳月度策略的 SR̂_month = 0.5000、一阶自相关为 ρ₁ = 0.30，并假设其他月度自相关均为零。采用 12 个月求和近似，SR̂(12) = SR̂(1) × 12 ÷ √[12 + 2Σ_{k=1}^{11}(12-k)ρ_k] = 1.3912；朴素缩放得到 0.5000 × √12 = 1.7321，在这些假设下高估了比率。
  • 成本改变所评估的口径。 某策略月度费用前超额收益为 0.80%，评估范围内的月度费用与交易成本为 0.25%，费用后超额收益波动率为 2.00%。费用前和费用后的月度比率分别为 0.80% ÷ 2.00% = 0.4000 和 (0.80% - 0.25%) ÷ 2.00% = 0.2750；按 IID 缩放后分别为 1.3856 和 0.9526。把费用前结果标为投资者实际结果是错误的。

风险与复核控制

  • 说明该比率是历史值还是预测值、费用前还是费用后、基金还是投资者口径、是否含杠杆，以及比较对象是无风险还是风险资产。
  • 始终使用算术周期总收益；若没有勾稽桥，不得混用价格收益、对数收益、复合收益和算术统计量。
  • 对齐分派、现金、外部现金流、申购、赎回和估值时点；时间加权收益与资金加权收益回答不同问题。
  • 说明包含哪些管理费、业绩费、交易成本、融资成本、借券费、卖空费用和激励费，以及这些费用的计提时间。
  • 按币种、观测日期、持有期、复利方法、期限、天数计算惯例和再投资匹配无风险序列；报价收益率并非周期收益。
  • 对所有投资组合与比较对象采用完全相同的样本日期，并明确缺失、陈旧、停牌、节假日及不同步观测的处理规则。
  • 报告 T、标准差惯例、精度以及分母为零或接近零的情形；改变 T 或自由度会改变估计值。
  • 说明观测频率和年化因子 q；√q 是依赖假设的缩放规则，并非通用的单位换算。
  • 估计序列相关；当自相关在经济或统计上显著时，应使用考虑依赖关系的汇总或推断方法。
  • 识别评估平滑、陈旧价格、模型估值、低频交易及收益插值，因为这些因素会压低测得的波动率。
  • 除非对其引起的依赖关系建模，否则应避免重叠收益；重叠窗口不会产生独立观测。
  • 检验波动率聚集、异方差、结构突变、杠杆变化与状态转换，不要假设始终服从同一个平稳分布。
  • 检查偏度、峰度、亏损频率、预期短缺和期权式收益；标准差对上行与下行波动一视同仁。
  • 对卖出波动率、信用、流动性供给、套利持仓和期权卖出策略进行压力测试；这类策略可能在许多小额收益之后遭遇罕见巨亏。
  • 谨慎解读负夏普比率；其排序在经济上可能违反直觉，杠杆也无法修复负的预期超额收益。
  • 报告抽样不确定性；当收益存在依赖、厚尾或非正态时，采用有依据的时间序列自助法或稳健比较方法。
  • 校正策略搜索、参数调优、投资范围选择、起始日选择和重复报告；回测中的最高夏普比率存在选择偏差。
  • 控制生存者、回填、前视、数据修订、退市、孵化、发表及基准版本偏差。
  • 只有在收益口径、费用、币种、期间、频率、无风险序列、杠杆、流动性及实施容量均对齐后，才能比较比率。
  • 除夏普比率外，还应报告累计和年化收益、回撤、下行与尾部风险、贝塔与因子、换手率、流动性、容量及压力测试。

常见误解

  • “夏普比率超过某个固定门槛就普遍代表优秀。” 解读取决于样本、频率、收益口径、资产类别、成本、流动性和估计方法。
  • “年化总是用周期夏普比率乘以期数的平方根。” 该捷径依赖一些假设，而序列依赖、平滑、重叠和风险变化都可能违反这些假设。
  • “样本比率较高就证明存在投资技能。” 抽样噪声、非正态、多重检验、生存者偏差和遗漏实施因素都可能造成该排名。
  • “夏普比率衡量每单位收益对应的损失或回撤。” 其分母是差额收益标准差，包含上行波动，却忽略亏损路径和尾部分布形态。
  • “夏普比率、信息比率和索提诺比率可以互换。” 三者采用不同的比较对象和风险分母，因此回答不同的问题。

相关主题

权威来源

导航

搜索知识库...