【从零开始玩量化11】夏普比率（与信息比率的区别）

上篇文章写了信息比率，这篇文章解释下夏普比率。

定义

这次不用聚宽的定义了，用维基百科的更加精准。

先回顾一下，信息比率的定义：

在看一下夏普比率的定义：

细心的朋友们可能已经发现了，感觉没啥区别啊！对，计算方法其实没区别，那区别是啥，区别就是Rb。

我们再来回顾下符号的定义

信息比率公式中

IR：信息比率的符号
E：均值符号
Rp：资产组合收益率（一个变量，每天会出现不同的值）
Rb：基准的收益率（一个变量，每天会出现不同的值，A股通常用沪深300）
σ：Rp - Rb 的标准差
var：方差符号（方法开根号就是标准差）

再看夏普比率的公式，只有细微区别

1、用Ra代替Rp表示资产组合的收益率（这里并不一定非是资产组合，单一资产的收益率也适用）
2、Rb指代的概念不同，在信息比率中，Rb指代基准收益率，而在夏普比率中，其指代无风险利率，比如无风险的定期存款收益，年化大概0.03到0.04之间。

所以，其实，夏普比率的计算方式，只是把信息比率中的基准收益率，替换成了无风险利率。

指标评价

首先，该指标为正才具有意义，如果为负，说明你的策略没跑赢无风险利率，还分析个啥，直接存银行吧。

其次，当数值为正的时候，数值越大越有利，代表承担每单位绝对风险的时候，获取的绝对收益更大。

与信息比率的区别

信息比率衡量能否跑赢基准，和跑赢基准的质量如何，是否够稳健。但基准的收益也是变化的，可能为负的，所以不能衡量绝对收益。在一个极端情况下，比如，一个市场的基准标的收益率，长期是一直下跌的（可能是因为经济大环境一直再走下坡），那即使你的信息比率为正，也不一定赚钱。相反，如果基准收益率很高（经济形势好），你若跑赢了基准，将获得更大的收益。

而夏普比率，不与基准赛跑，基准有时候可能也是个不靠谱的家伙，跟臭棋篓子下棋，可能越下越臭。我要找一个更稳定的指标比较，就是无风险利率，他更加靠谱，大部分时间，是个不变的常数，我跑赢他，可以保证自己赚钱。

需要注意的一点就是，关于这两个指标的实际计算，都是通过历史数据进行计算的，这里没什么神秘力量可以预测未来，逻辑无非还是，历史上的一些因素形成的效果，可以再一定的未来时间内持续，如果影响这个效果的因素发生变化，那通过历史数据计算出来的这些指标，也会相应的失效。

如何程序实现计算

还是quantstats这个包，里边实现了对夏普比率的计算

Github地址：https://github.com/ranaroussi/quantstats

具体实操过程，我会在后续，详细使用quantstats这个包的时候，再写文章展开。