Sharpe and Sortino Ratios

策略解读

在投资决策中，我们经常听到一句话：“收益越高，风险越大。”但如何量化“风险”与“收益”之间的关系？仅仅看绝对收益率远远不够——一只年化收益20%但净值曲线大起大落的基金，和一只年化收益15%但回撤极小的基金，到底哪个更值得持有？夏普比率（Sharpe Ratio）和索提诺比率（Sortino Ratio）正是为此而生的经典指标。它们用数学的方式，把收益和风险放进同一个框架里，帮助投资者判断：每一单位风险到底换来了多少超额回报。

本文所讨论的公开发布的策略指标，正是围绕这两个比率设计的。它利用一个交易品种在指定周期内的收益率序列，自动计算出夏普比率和索提诺比率，并且允许用户选择两种基准：一是固定的年化收益率（例如无风险利率），二是另一个交易品种的同期收益率。这样，我们既能评估单一资产的独立风险调整绩效，也能把它与大盘指数或同业资产进行横向对比。这种设计在资产配置、基金评价、量化策略回测等场景中非常实用。

从本质上看，夏普比率和索提诺比率都是“超额收益”与“风险”的比值。区别在于它们对“风险”的定义。夏普比率采用价格收益率的标准差，即总波动率，无论波动来自上涨还是下跌，都被视为风险。而索提诺比率只把下跌波动（下行偏差）作为风险来源，认为上涨波动是投资者乐于接受的“好波动”，不应计入风险惩罚。因此，索提诺比率往往更能反映投资者对回撤的真实厌恶程度。

在实际应用中，这两个比率既可以用于比较不同资产，也可以用于评价某个策略的稳健性。一个优秀的量化策略，不仅要看年化收益，更要看它的夏普比率是否显著高于市场平均水平，索提诺比率是否说明它的回撤控制得足够好。该策略指标的巧妙之处在于，它将这两个指标整合到一张图上，并提供了灵活的基准设置。对于普通投资者而言，这相当于获得了一个“风险调整后收益”的快速体检工具。

名词解释

1. 夏普比率（Sharpe Ratio）
   由诺贝尔经济学奖得主威廉·夏普（William Sharpe）于1966年提出，后经多次修订。它衡量的是每承受一单位总风险，能获得多少超越无风险收益率的超额回报。计算公式为：超额收益的均值除以收益标准差。通常认为，夏普比率大于1为尚可，大于2为优秀，大于3则非常出色。

2. 索提诺比率（Sortino Ratio）
   由弗兰克·索提诺（Frank A. Sortino）在20世纪80年代提出，是夏普比率的改进版本。它只将下行波动（即亏损方向的标准差）视为风险，因而更符合投资者对回撤的厌恶心理。索提诺比率越高，说明在相同的下行风险下，资产能提供更高的超额收益。

3. 无风险收益率（Risk-Free Rate）
   指理论上无违约风险的投资品种所能提供的收益率，通常以短期国债利率作为近似。在计算夏普比率和索提诺比率时，无风险收益率作为“基准线”，用来计算超额收益。

4. 波动率（Volatility）
   在金融领域，波动率通常指资产收益率的标准差，衡量价格变动的剧烈程度。波动率越高，价格的不确定性越大，风险也越高。它同时包含上涨和下跌两个方向。

5. 下行偏差（Downside Deviation）
   仅考虑收益率低于目标收益率（如无风险收益率或零）时的那部分波动。它忽略了上涨波动，因此能更精准地刻画投资者实际承受的“损失风险”。索提诺比率的分母就是下行偏差。

6. 超额收益（Excess Return）
   资产的实际收益率减去无风险收益率（或某个基准收益率）后的差额。它衡量的是资产因承担额外风险而获得的“奖赏”。

7. 周期收益率（Periodic Return）
   指在一个固定时间周期（如日、周、月）内计算出的资产收益率。夏普比率等指标通常基于一系列周期收益率来估计均值和波动率，而不是只看某一年的总收益。

策略思路讲解

这个指标的核心思路很明确：用周期性收益率序列代替单一年度收益，从而更稳定地估计资产的风险特征。它并不直接产生买卖信号，而是提供一种评估工具，帮助交易者和投资者判断一个交易品种在特定时间窗口内的“性价比”。

具体来说，该策略指标会执行以下逻辑：

第一步：获取价格序列并按周期计算收益率。 无论是日线、周线还是月线，每个周期末都会得到一个收益率百分比。这些收益率组成了分析的原始数据。

第二步：确定基准。 用户可以选择一个固定的年化收益率（例如3%或5%）作为比较基准，也可以选择另一个交易品种的同期收益率作为动态基准。前者适合评估资产本身的绝对吸引力，后者适合相对强弱分析。

第三步：计算超额收益。 将每个周期的收益率减去基准收益率（若基准是年化收益率，需要换算成周期收益率），得到一系列超额收益。这些超额收益的均值代表“平均超额回报”。

第四步：分别计算总波动率和下行偏差。 总波动率即超额收益的标准差；下行偏差则只统计超额收益为负值的那些样本，对其平方后求均值再开方。

第五步：合成两个比率。 用平均超额收益除以总波动率得到夏普比率，除以行偏差得到索提诺比率。最终在图表上以数值或曲线的形式呈现。

这种计算流程非常透明，也便于投资者理解。与单一回报率不同，夏普比率和索提诺比率兼顾了收益的“质量”。例如，两个策略的年化收益都是20%，但一个策略的收益曲线平滑，夏普比率高达2.5；另一个策略则经常出现深幅回撤，夏普比率只有0.8。显然前者在风险控制上更胜一筹。索提诺比率则会进一步区分：如果两个策略的下行偏差相同，但一个策略的上涨波动更大，那么它的索提诺比率会相对更高，因为上涨波动不被惩罚。

此外，该指标提供的“另一个品种”比较模式尤其适合配对交易、风格轮动或基金选择。比如，我们可以将某只股票与沪深300指数进行比较，计算其相对于指数的夏普比率和索提诺比率。如果该股票的索提诺比率显著高于指数，说明它在上涨时更有弹性，而在下跌时跌幅更小，是一个优质的相对标的。

优点

1. 综合性强，兼顾收益与风险
   夏普比率和索提诺比率都不是简单地评价收益，而是将收益与风险放在同一个公式中，帮助投资者一眼看出资产的“性价比”。这比单纯看收益率或最大回撤要全面得多。

2. 计算简便，结果直观
   两个比率的计算不需要复杂的数据处理，只要有一组周期收益率和基准收益率，就能快速算出。结果以数值形式呈现，容易横向比较。夏普比率大于1、索提诺比率大于2，通常被视为不错的水平。

3. 支持固定基准与相对基准两种模式
   该指标允许用户选择固定年化收益率或另一个品种的收益率作为基准，这大大拓展了应用场景。既可以进行绝对评价，也可以进行相对评价，非常适合资产对比和策略回测。

4. 对风险的定义更贴近真实感受
   特别是索提诺比率，它剔除了上涨波动，只惩罚下跌风险，非常符合投资者厌恶亏损的心理。因此，索提诺比率在衡量回撤控制能力上比夏普比率更具说服力。

5. 适用于多周期分析
   由于基于周期收益率，该指标可以灵活应用于日线、周线、月线等多周期，帮助投资者从不同时间尺度观察资产的风险调整表现，避免单一周期带来的偶然性。

缺点

1. 对收益率分布的正态性假设存在偏差
   夏普比率隐含假设收益率服从正态分布，但金融市场中的收益率往往具有“尖峰厚尾”特征，极端值频繁出现，导致标准差被低估或高估，进而影响比率计算的准确性。

2. 波动率并非风险的全部
   无论是总波动率还是下行偏差，都只衡量了价格变动的幅度，却没有区分波动的原因。例如，基本面突发事件导致的波动和流动性不足导致的波动，对投资者的实际影响并不相同，但指标无法区分。

3. 基准的选择会极大影响结果
   固定年化收益率选取多少、比较对象选谁，都会直接影响两个比率的数值。如果基准设置不当，很容易得出误导性结论。例如，用3%的无风险利率和用5%的固定收益相比，结果会明显不同。

4. 无法反映风险的“时间结构”
   夏普和索提诺比率是静态指标，无法反映回撤的持续时间、亏损的路径和最大回撤的深度。两个策略可能拥有完全相同的夏普比率，但一个在三个月内暴跌30%后慢慢恢复，另一个则缓慢阴跌，显然前者的体验更差，但比率却无法区分。

5. 对数据频率和周期高度依赖
   使用日收益率计算的比率与使用月收益率计算的比率，数值上会有较大差异。如果样本量不足（比如只有十几根K线），计算出的比率会非常不稳定，甚至失去参考意义。

起源年份考证

需要说明的是，以下考证针对的是“夏普比率”和“索提诺比率”这两个经典指标本身，而非本文所提到的具体策略脚本。

1966年——夏普比率的诞生。 威廉·夏普在1966年发表了题为《共同基金业绩》的论文，首次提出用“回报—波动率”比率来评价基金表现，最初被称为“奖励—变异比率”（Reward-to-Variability Ratio）。该比率使用总收益率的标准差作为风险度量，即后来的夏普比率前身。

1994年——夏普比率的现代标准化。 夏普本人于1994年发表论文，对原始公式进行了修订，明确使用“超额收益”相对于无风险利率的定义，并强调使用年度化数据。如今广泛使用的夏普比率，正是基于1994年的定义。

1980年代——索提诺比率的提出。 索提诺比率由弗兰克·索提诺及其合作者在20世纪80年代的一系列研究中逐步形成。索提诺和普莱斯（Price）于1980年提出了“下行风险”的概念，并在后续研究中将下行偏差纳入绩效评价框架。一般认为，索提诺比率在1983年前后开始以较为完整的形式出现，用于衡量投资组合下行风险的超额回报。

1990年代——在量化投资中广泛流行。 随着现代投资组合理论的发展和量化基金规模的扩张，夏普比率和索提诺比率逐渐成为资产管理行业的标准指标，被广泛应用于公募基金评级、对冲基金业绩展示、期货CTA策略评估等场景。国内则是从21世纪初开始，在基金评价和券商研究报告中频繁出现。

需要注意的是，关于索提诺比率的精确年份，学术界存在不同说法。因为索提诺本人有多篇相关论文，而指标的正式命名和广泛传播要更晚一些。因此，可以认为该类方法在1980年代被提出，在1990年代开始流行。若要求精确到某个年份，目前没有唯一公认的答案。

改进建议

1. 引入半衰期加权
   市场环境是动态变化的，早期的收益数据对当前风险的参考价值较低。可以对收益率序列赋予指数衰减权重，越靠近当前的数据权重越高，这样计算出的夏普比率和索提诺比率能更灵敏地反映近期的风险调整表现。

2. 结合最大回撤和回撤持续时间
   单纯依赖波动率或下行偏差还不够，建议在展示两个比率的同时，额外标注最大回撤、最长回撤恢复天数等指标，帮助投资者更全面地理解风险。甚至可以构建“回撤惩罚因子”，将回撤深度和持续时间纳入比率调整中。

3. 使用非线性风险度量
   针对收益率分布的厚尾特性，可以考虑使用高阶矩（如偏度、峰度）进行修正，或者采用条件风险价值（CVaR）代替标准差作为分母。这样能更准确地刻画尾部损失风险，使比率在极端市场下更具参考价值。

4. 提供滚动窗口计算模式
   固定时间窗口的比率只能反映一段历史的平均表现，无法体现指标的稳定性。建议增加滚动窗口（例如每30个周期计算一次夏普比率），并绘制成曲线，观察其变化趋势。这有助于识别策略在哪些时间段失效，以及风险特征是否发生漂移。

5. 支持自定义目标收益率
   索提诺比率的原始定义中，目标收益率可以设置为无风险利率、零或任何自定义值。若能允许用户自由设定目标收益率，则该指标将更加灵活。例如，养老金投资者可以设定5%的目标年化收益，而保守型投资者可以设定0%，这样能更贴近不同投资者的实际风险偏好。

6. 增加样本量过滤与显著性检验
   当周期收益率样本数太少时，计算出的比率几乎没有统计意义。可以设置最小样本量阈值，低于阈值时拒绝输出结果。同时，可以给出比率的置信区间，甚至在开根号后做年化调整时考虑估计误差，避免用户被虚假的精度误导。

7. 结合交易成本与持仓期
   如果该指标被用于策略回测，建议在收益序列中扣除交易成本、滑点和税费。否则，高频换手策略的夏普比率可能会被高估，因为频繁交易带来的实际损耗远大于账面收益。

总结

夏普比率和索提诺比率是评价投资绩效的两把利器。它们用简单的除法，把收益与风险的关系凝练为一个数字，使得不同资产、不同策略之间的比较变得清晰而高效。夏普比率让我们看到每一份总波动的回报，索提诺比率则更执着于那些真正让我们心痛的下跌风险。二者各有侧重，互为补充。

本文所介绍的指标，将这两个经典比率集中在一个工具中，并提供固定基准和动态基准的双重选择，极大地方便了投资者的日常工作。无论是对单只股票进行风险体检，还是对量化策略进行回测评估，它都能提供有价值的参考。

当然，任何指标都有其局限性。夏普比率和索提诺比率只是帮助我们理解风险的起点，而不是终点。它们不能回答“市场是否会崩盘”，也不能告诉我们应该持有多久。因此，在使用这些比率时，我们需要始终记得：数字背后是活生生的市场，是无数参与者的恐惧与贪婪。只有结合基本面分析、市场情绪、仓位管理以及多种风险指标，才能做出更为稳健和理性的投资决策。风险调整后收益并非唯一目标，但它一定是穿越市场迷雾时，那一盏不可缺失的灯。