交易中的数学：夏普（Sharpe）和索蒂诺（Sortino）比率

交易中的数学：夏普（Sharpe）和索蒂诺（Sortino）比率

夏普比率

经验丰富的投资者和交易者经常运用多种策略进行交易，投资不同的资产，以此获得持久的结果。 这是智能投资的概念之一，意味着创建投资组合。 每个证券/策略组合都有自己的风险和回报参数，能以某种方式进行比较。

进行这种比较的最具参考价值的工具之一就是夏普比率，它是由诺贝尔奖获得者威廉·F·夏普于 1966 年开发的。 该比率的计算采用基本绩效指标，包括平均回报率、回报标准差和无风险回报。

夏普比率的缺点是，用于分析的源数据必须呈正态分布。 换言之，收益分布图应该是对称的，不应该有尖峰或陡坑。

夏普比率使用以下公式计算：

Sharpe Ratio = (Return - RiskFree)/Std

其中:

• Return — 某一时段的平均回报率。 例如，月度、季度、年度、等等。
• RiskFree — 同期无风险回报率。 传统上，这些资产包括银行存款、债券和其它 100% 可靠的最低风险资产。
• Std — 同期投资组合回报的标准偏差。 收益偏离预期值越大，交易员账户或投资组合资产的风险和波动性就越高。

回报

回报率是依据一定时段内资产价值的变化来计算的。 返回值用于计算夏普比率的同一时间段。 一般来讲，会考虑年度夏普比率，但计算也可以依据季度、月度、甚至每日的数值。 回报率由以下公式计算：

Return[i] = (Close[i]-Close[i-1])/Close[i-1]

其中:

• Return[i] — 间隔 i 的回报；
• Close[i] — 第 i 个区间结束时的资产价值；
• Close[i-1] — 上一个间隔结束时的资产价值。

换言之，回报可以写为所选期间资产价值的相对变化：

Return[i] = Delta[i]/Previous

其中:

• Delta[i] = (Close[i]-Close[i-1]) — 所选期间资产价值的绝对变化；
• Previous = Close[i-1] — 上一个间隔结束时的资产价值。

若要依据日线数值计算年度的夏普比率，我们应该采用年内每天的回报值，并取回报累积除以天数计算平均日回报。 

Return = Sum(Return[i])/N

其中 N 是天数。

无风险回报

无风险回报的概念是有条件的，因为风险总会存在。 由于夏普比率用于比较相同时间间隔内的不同策略/投资组合，因此可以在公式中选取零无风险回报。 就是，

RiskFree = 0

标准偏差或回报率

标准偏差表示随机变量如何偏离平均值。 首先，计算平均回报值，然后累计距均值的回报偏差。 结果之和除以回报数字以便获得离散度。 离散度的平方根是标准偏差。

D = Sum((Return - Return[i])^2 )/N

STD = SQRT(D)

前面提及的文章中提供了计算标准偏差的示例。

计算任何时间段的夏普比率，并将其转换为年度值

自 1966 年以来，夏普比率的计算方法一直不曾改变。 这种计算方法被广泛认可后，该变量改为更现代的名称。 在那时，资金和投资组合绩效评估是基于若干年来赚取的回报。 此后，依据月度数据进行计算，而由此产生的夏普比率会被映射到年度值。 这种方法可以比较两种资金、投资组合或策略。

夏普比率能够轻易地从不同时期和时间帧扩展到年度值。 这是依据将结果值乘以年度间隔与当前间隔之比的平方根来实现的。 我们来研究下面的例子。

假设我们采用每日回报值计算夏普比率 — SharpeDaily。 结果应转换为年度值 SharpeAnnual。 年度比率与周期比率的平方根成正比，即一年当中相应的每日间隔数量。 鉴于一年当中有 252 个交易日，基于每日回报的夏普比率应乘以 252 的平方根。 这将得到年度夏普比率：

SharpeAnnual = SQRT(252)*SharpeDaily // 252 working days in a year

如果该值是基于 H1 时间帧计算的，我们要采用相同的原则 — 首先将 SharpeHourly 转换为 SharpeDaily，然后计算年度 Sharpe