跳到內容

索提諾比率:每單位下行偏差對應的目標以上報酬

僅供教育參考,不構成投資建議

**索提諾比率(Sortino ratio)**以投資組合超過指定目標的平均報酬,與低於該目標的報酬波動比較:

索提諾比率 = [mean(R) - T] / 相對於 T 的下行偏差

T 是與每期觀察同期間的最低可接受報酬率(MAR)。夏普比率分母使用標準差,而下行偏差不會僅因報酬高於目標就加以懲罰。結果高度依賴目標與下行偏差的具體定義,因此未揭露口徑的單一數字並不完整。

對報酬 Ri 和單期目標 T,一種常見全樣本定義為:

下行偏差 = √[Σ min(0, Ri - T)² / N]

N 包含每個觀察,達到或超過目標的期間貢獻為零。另一種作法只除以低於目標的觀察數,有時還調整樣本自由度。兩種算法不等價。資料商也可能將無風險利率、零、精算門檻或自訂要求報酬作為 T

目標須與報酬使用相同頻率和複利口徑,不能把年度目標直接放入月度偏差。還應說明報酬是否包含分配、是否扣費,以及使用算術單期報酬或其他序列。

年化必須揭露方法。在收益獨立同分布等嚴格假設下,有時將單期比率乘以 √N。序列相關、平滑估值、目標利率變動、波動群聚與不對稱報酬都會使捷徑失效。直接用年度報酬算下行偏差,也不一定等於縮放月度結果。

索提諾回答帶有偏好的問題:相對某門檻,每單位門檻以下離散程度取得多少平均超額報酬。它不衡量最大回撤、恢復時間、虧損機率、預期短缺、流動性或一次毀滅性尾部事件規模。

假設六個月報酬為 4%、-2%、3%、-1%、2%、0%,月度目標 T = 0%。算術平均報酬為1%,只有 -2%-1% 產生平方短缺。

若分母使用全部六個觀察:

下行偏差 = √[(2² + 1²) / 6] = 0.91%

索提諾比率 = (1% - 0%) / 0.91% = 1.10

若分母只用兩個低於目標的觀察:

下行偏差 = √[(2² + 1²) / 2] = 1.58%

索提諾比率 = 1% / 1.58% = 0.63

兩個數字都不是抄錄錯誤,而是以不同分母約定衡量相同概念。只有統一算法、目標、樣本日期、頻率與費用處理後,比較才有效。

若將月度目標改為1%,0%月份也成為短缺,分子變為零,兩種分母下比率都為零。報酬序列未變,投資人門檻改變。目標敏感性是指標的一部分,不應隱藏。

  • 公布公式、目標來源、報酬頻率、分母約定、年化方法、樣本期、觀察數與費用口徑。
  • 統計低於目標的觀察數;僅由一次很小下行觀察形成的高比率很脆弱。
  • 檢查最差報酬及發生順序。平方短缺提高大額虧損權重,但短樣本可能完全漏掉罕見尾部事件。
  • 檢查陳舊或模型估值;平滑價格會壓低測得下行偏差,卻不降低經濟風險。
  • 選擇適合決策的目標。零、現金報酬、通膨、負債成長與組合要求報酬代表不同目的。
  • 以相同日期及幣別比較組合;不同市場環境或目標會使簡單排名失效。
  • 與累積報酬、最大回撤、恢復期、預期短缺、偏態、槓桿、流動性與壓力情境共同使用。
  • 不要只為歷史索提諾最佳化策略;多重檢定與不對稱報酬策略可能產生隱藏崩盤風險的漂亮回測。

若沒有觀察值低於目標,下行偏差為零,軟體可能回傳未定義或無窮大。這是觀察到的下行資料不足警告,不是無風險證明。

  • 「索提諾忽略虧損。」它忽略目標以上偏差;虧損及低於目標的正報酬都進入下行偏差。
  • 「目標必須為零。」MAR 是選擇的門檻,必須揭露。
  • 「所有平台算法相同。」分母、目標、頻率、年化與費用口徑皆會變動。
  • 「索提諾越高一定越安全。」它只描述相對目標的一段歷史報酬分布,並遺漏多類風險。
  • 「索提諾總優於夏普。」兩者回答不同問題,選擇下行風險是在嵌入偏好,而非消除假設。
  • 「沒有下行觀察表示表現完美。」可能只是樣本短、價格平滑,或罕見虧損尚未發生。