---
title: "夏普比率：超額報酬、波動率、年化與統計推論"
description: "使用對齊的週期超額報酬、明確的費用與無風險報酬輸入、可辯護的年化方法、序列相依控制及抽樣不確定性，計算並解釋夏普比率。"
image: "https://wiki.fcontext.com/og.png"
---
> Documentation Index
> Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt
> Use this file to discover all available pages before exploring further.
# 夏普比率：超額報酬、波動率、年化與統計推論
> 僅供教育參考，不構成投資建議；投資可能產生損失。
## 直接答案
**夏普比率**衡量零投資差額部位的平均報酬與該差額報酬標準差之間的關係。在常規超額報酬版本中，每個觀察值為 `x_t = R_{p,t} - R_{f,t}`，其中投資組合總報酬和參照無風險持有期報酬採用相同的日期、幣別、頻率與報酬口徑。
對於 `T` 個歷史觀察值，常用事後估計量為 `SR̂_Δ = x̄ ÷ s_x`，其中 `x̄ = (1 ÷ T)Σx_t`，而 `s_x = √[Σ(x_t - x̄)² ÷ (T - 1)]`。下標 `Δ` 表示觀察區間。當 `s_x = 0` 時，該比率無定義；分母極小時，結果在經濟意義上也可能很不穩定。
事後比率描述的是一個已經實現的樣本。事前夏普比率採用預期差額報酬和預測波動率：`SR_ex ante = E[R_p - R_f] ÷ σ(R_p - R_f)`。歷史表現並非對事前值的無偏承諾。估計值較高，僅表示樣本中的平均差額報酬相對於樣本波動更大，並不表示損失、回撤、尾端風險、流動性風險或未來表現不佳受到限制。
應始終採用算術週期總報酬。不要把算術平均數與對數報酬波動率組合使用，不要從日度或月度報酬中直接減去年化報價殖利率，也不要用複合年報酬除以來自另一頻率的波動率估計值。
## 七步可重現流程
1. **界定決策與衡量口徑。** 說明比率屬於事後還是事前、所評估的投資組合或策略、投資人還是基金視角、費用前還是費用後、槓桿與融資處理、幣別和日期，以及比較對象是無風險資產還是其他基準。
2. **建立報酬序列。** 使用當時可得的總報酬，並一致處理分派、費用、交易成本、現金、衍生性商品、融資、適用稅項及外部現金流；區分投資組合的時間加權表現與投資人的資金加權報酬。
3. **建立參照序列。** 按一致的幣別、日期、天數計算慣例、複利方法、期限和再投資假設，將選定現金或無風險工具轉換為每個觀察期的持有期報酬；未經轉換，不得用票面殖利率或年化報價替代。
4. **估計週期比率。** 計算逐期超額報酬、算術平均數、常規樣本標準差、觀察數量、遺漏資料規則及 `SR̂_Δ`；保留足以重現結果的精度，並明確報告無定義或接近零波動率的情形。
5. **診斷相依關係與分配。** 在選擇年化或推論方法之前，衡量自我相關、重疊觀察、過時或模型估值、波動率群聚、狀態轉變、偏態、峰態及尾端損失。
6. **有條件地年化並推論。** 僅在平均數和變異數縮放假設合理時使用 `√q` 縮放；否則直接彙總報酬或使用考慮相依關係的估計量，並報告信賴區間或拔靴法比較，不要把細小的排名差異當成事實。
7. **稽核選擇過程與經濟可行性。** 記錄試過的每個策略、參數、投資範圍、起始日、基準和頻率；校正多重檢定與存活者偏誤，納入可執行成本和容量，並結合回撤、尾端、因子、流動性、槓桿與壓力指標檢視夏普比率。
## 計算範例
- **週期估計與 IID 縮放。** 在 `36` 個月內，某已扣除評估範圍內費用的投資組合月均總報酬為 `1.10%`，對齊後的月均無風險報酬為 `0.30%`，月度超額報酬標準差為 `2.40%`。`monthly SR̂ = (1.10% - 0.30%) ÷ 2.40% = 0.3333`；在 IID 近似下，`annualized SR̂ ≈ 0.3333 × √12 = 1.1546`。
- **轉換無風險輸入。** `4.80%` 的有效年現金報酬對應 `monthly R_f = (1 + 4.80%)^(1/12) - 1 = 0.3915%`，並非恰好為 `4.80% ÷ 12`。若投資組合月報酬為 `0.90%`、超額報酬波動率為 `1.80%`，則 `monthly SR̂ = (0.90% - 0.3915%) ÷ 1.80% = 0.2825`，按 IID 縮放的 `annualized SR̂ = 0.2825 × √12 = 0.9786`。
- **正序列相關。** 某平穩月度策略的 `SR̂_month = 0.5000`、一階自我相關為 `ρ₁ = 0.30`，並假設其他月度自我相關均為零。採用 12 個月加總近似，`SR̂(12) = SR̂(1) × 12 ÷ √[12 + 2Σ_{k=1}^{11}(12-k)ρ_k] = 1.3912`；樸素縮放得到 `0.5000 × √12 = 1.7321`，在這些假設下高估了比率。
- **成本改變所評估的口徑。** 某策略月度費用前超額報酬為 `0.80%`，評估範圍內的月度費用與交易成本為 `0.25%`，費用後超額報酬波動率為 `2.00%`。費用前和費用後的月度比率分別為 `0.80% ÷ 2.00% = 0.4000` 和 `(0.80% - 0.25%) ÷ 2.00% = 0.2750`；按 IID 縮放後分別為 `1.3856` 和 `0.9526`。把費用前結果標為投資人實際結果是錯誤的。
## 風險與覆核控制
- 說明該比率是歷史值還是預測值、費用前還是費用後、基金還是投資人口徑、是否含槓桿，以及比較對象是無風險還是風險資產。
- 始終使用算術週期總報酬；若沒有勾稽橋，不得混用價格報酬、對數報酬、複合報酬和算術統計量。
- 對齊分派、現金、外部現金流、申購、贖回和估值時點；時間加權報酬與資金加權報酬回答不同問題。
- 說明包含哪些管理費、績效費、交易成本、融資成本、借券費、放空費用和獎勵費，以及這些費用的應計時間。
- 按幣別、觀察日期、持有期、複利方法、期限、天數計算慣例和再投資匹配無風險序列；報價殖利率並非週期報酬。
- 對所有投資組合與比較對象採用完全相同的樣本日期，並明確遺漏、過時、暫停交易、假日及不同步觀察的處理規則。
- 報告 `T`、標準差慣例、精度以及分母為零或接近零的情形；改變 `T` 或自由度會改變估計值。
- 說明觀察頻率和年化因子 `q`；`√q` 是依賴假設的縮放規則，並非通用的單位換算。
- 估計序列相關；當自我相關在經濟或統計上顯著時，應使用考慮相依關係的彙總或推論方法。
- 識別評估平滑、過時價格、模型估值、低頻交易及報酬插值，因為這些因素會壓低測得的波動率。
- 除非對其引起的相依關係建模，否則應避免重疊報酬；重疊視窗不會產生獨立觀察。
- 檢驗波動率群聚、異質變異、結構突變、槓桿變化與狀態轉換，不要假設始終服從同一個平穩分配。
- 檢查偏態、峰態、虧損頻率、期望短缺和選擇權式報酬；標準差對上行與下行波動一視同仁。
- 對放空波動率、信用、流動性供給、利差收益和選擇權賣出策略進行壓力測試；這類策略可能在許多小額收益之後遭遇罕見巨虧。
- 謹慎解讀負夏普比率；其排序在經濟上可能違反直覺，槓桿也無法修復負的預期超額報酬。
- 報告抽樣不確定性；當報酬存在相依、厚尾或非正態時，採用有依據的時間序列拔靴法或穩健比較方法。
- 校正策略搜尋、參數調校、投資範圍選擇、起始日選擇和重複報告；回測中的最高夏普比率存在選擇偏誤。
- 控制存活者、回填、前視、資料修訂、下市、孵化、發表及基準版本偏誤。
- 只有在報酬口徑、費用、幣別、期間、頻率、無風險序列、槓桿、流動性及執行容量均對齊後，才能比較比率。
- 除夏普比率外，還應報告累計和年化報酬、回撤、下行與尾端風險、貝塔與因子、週轉率、流動性、容量及壓力測試。
## 常見誤解
- **「夏普比率超過某個固定門檻就普遍代表優秀。」** 解讀取決於樣本、頻率、報酬口徑、資產類別、成本、流動性和估計方法。
- **「年化總是用週期夏普比率乘以期數的平方根。」** 該捷徑依賴一些假設，而序列相依、平滑、重疊和風險變化都可能違反這些假設。
- **「樣本比率較高就證明存在投資技能。」** 抽樣雜訊、非正態、多重檢定、存活者偏誤和遺漏執行因素都可能造成該排名。
- **「夏普比率衡量每單位報酬對應的損失或回撤。」** 其分母是差額報酬標準差，包含上行波動，卻忽略虧損路徑和尾端分配形態。
- **「夏普比率、資訊比率和索提諾比率可以互換。」** 三者採用不同的比較對象和風險分母，因此回答不同的問題。
## 相關主題
- [波動率](/zh-tw/stocks/volatility/)
- [索提諾比率](/zh-tw/stocks/sortino-ratio/)
- [股票風險溢酬](/zh-tw/stocks/equity-risk-premium/)
## 權威來源
- [Mutual Fund Performance](https://doi.org/10.1086/294846) - William F. Sharpe，芝加哥大學出版社
- [The Sharpe Ratio](https://web.stanford.edu/~wfsharpe/art/sr/SR.htm) - William F. Sharpe，史丹佛大學
- [The Statistics of Sharpe Ratios](https://doi.org/10.2469/faj.v58.n4.2453) - Andrew W. Lo，CFA 協會
- [Robust Performance Hypothesis Testing with the Sharpe Ratio](https://doi.org/10.1016/j.jempfin.2008.03.002) - Olivier Ledoit 與 Michael Wolf，Elsevier
- [The Deflated Sharpe Ratio](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2460551) - David H. Bailey 與 Marcos Lopez de Prado
- [Sharpening Sharpe Ratios](https://www.nber.org/papers/w9116) - 美國國家經濟研究局
- [GIPS Standards Handbook for Firms](https://www.gipsstandards.org/standards/gips-standards-for-firms/gips-standards-handbook-for-firms/) - CFA 協會
- [Daily Treasury Rates](https://home.treasury.gov/resource-center/data-chart-center/interest-rates) - 美國財政部
Source: https://wiki.fcontext.com/zh-tw/stocks/sharpe-ratio/index.mdx