[原创]夏普比率的陷阱[古期心得]

夏普比率可以被寻求提升其表面风险调整回报历史的投资组合经理所操纵。这可以通过延长回报测量间隔来实现，从而降低对波动性的估计。例如，年度回报的标准差(波动性)一般低于月度回报，而月度回报的波动性又低于每日回报。金融分析师在使用夏普比率时，通常会考虑月度回报的波动性。

计算最有利的业绩区间的夏普比率，而不是客观选择的回望期，是另一种精选数据的方式，这些数据会扭曲风险调整后的回报。

夏普比率也有一些固有的局限性。比率分母中的标准偏差计算用作投资组合风险的代理，它基于正态分布并且在评估对称性时最有用概率分布曲线。相反，金融市场受制于羊群行为会比正态分布更频繁地走向极端。因此，用于计算夏普比率的标准偏差可能会低估尾部风险。（来源 www.cxh99.com）

市场回报也受以下因素影响序列相关。最简单的例子是，相邻时间间隔的回报可能是相关的，因为它们受到相同市场趋势的影响。但是平均值回复也取决于序列相关性，就像市场势头。结果是，序列相关性往往会降低波动性，因此，依赖于序列相关性因素的投资策略可能会表现出误导性的高夏普比率。四
形象化这些批评的一个方法是，考虑在几乎所有时间都在缓慢且可预测地移动的压路机前捡镍币的投资策略，除了少数突然且致命地加速的罕见情况。因为这种不幸的事件非常罕见，那些捡镍币的人在大多数情况下会以最小的波动性带来正回报，从而获得高夏普比率。如果一只在压路机前捡硬币的基金在那些极其罕见和不幸的情况下被压扁了，它的长期夏普可能仍然看起来不错:毕竟只是一个糟糕的月份。不幸的是，这不会给该基金的投资者带来多少安慰。

夏普替代方案:索蒂诺和特雷诺

夏普比率公式中的标准差假设价格朝两个方向变动的风险是一样的。事实上，对于大多数投资者和分析师来说，异常低回报的风险与异常高回报的可能性非常不同。
夏普的一个变种叫做Sortino比率忽略高于平均水平的回报，只关注下行偏差作为投资组合中基金风险的更好代表。

排序比率分母中的标准差衡量负回报或低于选定基准的回报相对于此类回报平均值的方差。
夏普的另一个变种是特雷诺比率，将超额回报除以无风险利率或基准利率贝塔证券、基金或投资组合的价值，作为衡量其系统性风险曝光。贝塔系数衡量股票或基金的波动性与整个市场的波动性相关的程度。特雷诺比率的目标是确定投资者是否因市场带来的额外风险而得到补偿。

如何使用夏普比率的示例

夏普比率有时用于评估增加投资可能如何影响投资组合的风险调整回报。

例如，一个投资者正在考虑增加一个避险基金配置到去年回报率为18%的投资组合中。目前的无风险利率为3%，投资组合月收益率的年化标准差为12%，这使其一年的夏普比率为1.25，即(18 - 3) / 12。
这位投资者认为，将对冲基金加入投资组合将使来年的预期回报率降至15%，但也预计投资组合的波动性将因此降至8%。预计未来一年无风险利率将保持不变。（来源 www.cxh99.com）

用同样的公式估算未来数字，投资者发现投资组合的夏普比率预计为1.5，或者(15% - 3%)除以8%。
在这种情况下，虽然对冲基金投资预计会降低投资组合的绝对回报，但基于其预计的较低波动性，它将在风险调整的基础上改善投资组合的表现。根据预测，如果新投资降低了夏普比率，就会被认为不利于风险调整后的回报。这个例子假设基于投资组合历史表现的夏普比率可以与使用投资者回报和波动性假设的夏普比率进行公平比较。

什么是好的夏普比率？
夏普比率高于1通常被认为是“好的”，提供相对于波动性的超额回报。然而，投资者经常将投资组合或基金的夏普比率与其同行或市场部门进行比较。因此，举例来说，如果大多数竞争对手的夏普比率高于1.2，夏普比率为1的投资组合可能会被发现缺乏。良好的夏普比率在一种情况下可能只是马马虎虎，在另一种情况下可能更糟。

夏普比率是如何计算的？

为了计算夏普比率，投资者首先从投资组合的收益率中减去无风险率，通常使用美国国债收益率作为无风险收益率的代理。然后，他们将结果除以投资组合超额收益的标准差。