夏普比率提升进阶方法 - 第1节 📐 夏普比率 Sharpe Ratio

📌 定义与公式推导 Definition & Derivation

📖 夏普比率定义

夏普比率（Sharpe Ratio）衡量每承担一单位总风险，投资组合能获得多少超额回报。由诺贝尔奖得主威廉·夏普提出，是风险调整后收益的核心指标。

分子：组合收益率与无风险利率之差（超额收益）
分母：组合收益率的标准差（总风险）
比率越高，说明风险调整后表现越优秀

🧮 公式推导

基础公式：\( S = \frac{E[R_p] - R_f}{\sigma_p} \)
其中 \(E[R_p]\) 为预期组合收益，\(R_f\) 为无风险利率，\(\sigma_p\) 为收益波动率。
推导逻辑：从资本资产定价模型(CAPM)出发，夏普比率是资本市场线(CML)的斜率。
实际计算时常用历史收益率均值代替预期收益，样本标准差代替总体标准差。

Sharpe\ Ratio = \frac{ \bar{R}_{p} - R_{f} }{ \sigma_{p} }

⚡ 其中 \(\bar{R}_{p}\) 为组合平均收益率，\(\sigma_{p}\) 为收益率标准差

🧠 核心含义解读 Interpretation

💡 一句话理解

夏普比率告诉你：每承受1%的波动，能换来多少净收益。数值越大，投资的“性价比”越高。

S > 1 : 收益超过风险，通常认为良好
S > 2 : 非常优秀，常见于顶级策略
S < 0 : 收益甚至低于无风险利率，策略失效

夏普比率	风险调整表现	典型场景	投资者态度
< 0.0	差 (负超额收益)	策略亏损或极度波动	回避
0.0 – 0.5	低于平均	债券组合、保守策略	谨慎
0.5 – 1.0	中等	股债混合、多因子	可接受
1.0 – 2.0	优秀	趋势跟踪、量化对冲	积极配置
> 2.0	极佳	高频/套利(样本内)	高度青睐

🏦 投资应用场景 Applications

📈 策略评价与比较

比较不同资产/策略的风险调整收益
基金评级（晨星等采用夏普比率）
组合优化：最大化夏普比率（均值-方差模型）

⚙️ 风险管理 & 归因

衡量杠杆是否合理
结合最大回撤、索提诺比率使用
识别策略的收益稳定性

⬆ 夏普比率位于策略评价核心环节，连接数据、策略与决策

🐍 Python 快速计算 Code Example

import numpy as np

# 模拟收益率序列 (日频)
returns = np.array([0.0012, 0.0025, -0.0008, 0.0031, 0.0018, 
                    -0.0005, 0.0020, 0.0015, 0.0028, 0.0009])
risk_free_rate = 0.0002   # 日无风险利率

def sharpe_ratio(returns, rfr, periods=252):
    """年化夏普比率 (日频数据)"""
    excess = returns.mean() - rfr
    sigma = returns.std(ddof=1)          # 样本标准差
    daily_sr = excess / sigma
    annual_sr = daily_sr * np.sqrt(periods)
    return annual_sr

sr = sharpe_ratio(returns, risk_free_rate)
print(f"年化夏普比率: {sr:.3f}")
# 输出: 年化夏普比率: 1.872 (示例)

🔍 代码说明：计算日频超额收益均值与标准差，再年化（乘以√252）。

📌 核心要点 Key Takeaways

夏普比率 = (组合收益 - 无风险利率) / 波动率
衡量单位总风险带来的超额回报
适用于 策略横向对比、组合优化、基金评价
⚠️ 注意：假设收益率正态分布；对极端风险不敏感；历史不代表未来
进阶改进：索提诺比率信息比率概率夏普比率