Wskaźnik Sharpe’a: jak mierzyć wynik skorygowany o ryzyko

Wskaźnik Sharpe’a mierzy relację nadwyżkowej stopy zwrotu do zmienności wyników. Odpowiada na pytanie: ile dodatkowego wyniku ponad stopę wolną od ryzyka przypadało na jednostkę całkowitej zmienności? Wyższa wartość oznacza historycznie korzystniejszą relację wyniku do wahań, ale nie gwarantuje przyszłych zysków i nie opisuje całego ryzyka strategii.

William F. Sharpe przedstawił pierwotną miarę w 1966 roku jako reward-to-variability ratio. W artykule z 1994 roku uporządkował jej definicję i rozróżnił wersję liczoną na danych historycznych od wersji opartej na oczekiwanych stopach zwrotu. To rozróżnienie jest ważne: Sharpe z backtestu jest estymacją z konkretnej próbki, a nie stałą cechą modelu.

Jak obliczyć wskaźnik Sharpe’a?

W najczęściej stosowanej wersji:

Licznik to nadwyżkowa stopa zwrotu. Mianownik mierzy zmienność okresowych wyników. Wszystkie elementy muszą dotyczyć tej samej częstotliwości i tego samego okresu. Nie wolno dzielić rocznej stopy zwrotu przez miesięczne odchylenie standardowe ani odejmować rocznej stopy wolnej od ryzyka od dziennego wyniku.

Załóżmy, że strategia osiągnęła średnio 8% rocznie, stopa wolna od ryzyka wyniosła 3%, a roczna zmienność 10%. Wtedy Sharpe wynosi:

Ta liczba nie oznacza 50% zysku ani 50% prawdopodobieństwa sukcesu. Mówi jedynie, że w badanym okresie na każdą jednostkę zmienności przypadało 0,5 jednostki średniej nadwyżkowej stopy zwrotu.

Stopa wolna od ryzyka też jest założeniem

Wybór stopy wolnej od ryzyka wpływa na wynik. Powinna odpowiadać walucie i częstotliwości badanego portfela. Dla miesięcznych stóp zwrotu potrzebujemy miesięcznego odpowiednika rentowności krótkoterminowego instrumentu o możliwie niskim ryzyku kredytowym. Przy porównaniu strategii w różnych walutach nie można bezrefleksyjnie użyć jednej stopy odniesienia.

Jeżeli analizujemy strategię aktywną względem benchmarku, właściwszy może być information ratio, którego licznik opisuje wynik ponad benchmark, a mianownik — zmienność tej różnicy. Zmiana punktu odniesienia zmienia pytanie badawcze, a nie tylko nazwę wskaźnika.

Annualizacja: kiedy pierwiastek z czasu zawodzi?

Dla niezależnych, podobnie rozłożonych stóp zwrotu miesięczny wskaźnik często mnoży się przez √12, a dzienny przez √252. Ta reguła zakłada jednak określoną strukturę danych. Gdy zwroty są autokorelowane, wygładzone lub zależne w czasie, prosta annualizacja może zawyżać albo zaniżać Sharpe’a.

Andrew Lo wykazał, że statystyka wskaźnika i sposób jego skalowania zależą od procesu generującego stopy zwrotu. Problem jest szczególnie istotny dla strategii o rzadszej wycenie, niepłynnych aktywów, wygładzonych cen lub modeli, których wyniki układają się w serie. Dlatego profesjonalny raport powinien podać częstotliwość danych, metodę annualizacji i sprawdzić autokorelację.

Dlaczego nie ma uniwersalnego „dobrego” poziomu?

Popularne progi typu „1 dobrze, 2 bardzo dobrze” bywają wygodne, ale bez kontekstu są zbyt uproszczone. Wskaźnik 1,0 z dziesięcioletniej historii płynnej strategii po kosztach nie jest równoważny wskaźnikowi 1,0 policzonemu na kilku miesiącach, przed prowizjami i z nierealną egzekucją.

Porównanie ma sens przede wszystkim wtedy, gdy strategie mają:

• ten sam horyzont i częstotliwość danych,
• zgodną stopę wolną od ryzyka i walutę,
• takie same zasady uwzględniania kosztów, finansowania i poślizgu,
• porównywalną płynność oraz moment wyceny,
• wyniki z tych samych reżimów rynkowych.

Wartość bez przedziału niepewności może tworzyć fałszywą precyzję. Im krótsza próbka i bardziej niestabilne zwroty, tym większy błąd estymacji. Niewielka różnica między dwiema strategiami może być zwykłym szumem.

Najważniejsze ograniczenia wskaźnika Sharpe’a

1. Traktuje dodatnią i ujemną zmienność podobnie. Duże dodatnie odchylenie zwiększa mianownik, choć inwestor zwykle nie uważa go za stratę.
2. Nie pokazuje kształtu ogona rozkładu. Strategie zbierające małe, regularne zyski i rzadko ponoszące ogromną stratę mogą długo wyglądać atrakcyjnie.
3. Jest wrażliwy na wygładzanie i autokorelację. Rzadkie lub modelowe wyceny mogą sztucznie obniżać obserwowaną zmienność.
4. Zależy od próbki. Zmiana okresu, punktu startowego lub reżimu rynku może istotnie zmienić wynik.
5. Nie opisuje ścieżki straty. Dwie strategie o podobnym Sharpe’ie mogą mieć zupełnie inny maksymalny drawdown i czas odrabiania.
6. Można go przeoptymalizować. Wielokrotne testowanie parametrów pod najwyższy Sharpe zwiększa ryzyko dopasowania do szumu.

Jak używać Sharpe’a w analizie strategii systematycznej?

Najpierw należy policzyć go na wiarygodnej krzywej wyników po kosztach. Następnie warto rozdzielić okres projektowania od danych out-of-sample i od paper tradingu. Jedna liczba z pełnej historii może ukryć, że wynik pochodzi z krótkiego, wyjątkowo korzystnego fragmentu.

Praktyczny raport powinien pokazać:

• Sharpe brutto i netto po realistycznych kosztach,
• wartość dla całej próbki oraz osobno out-of-sample,
• kroczący Sharpe w stałych oknach czasowych,
• wrażliwość na opóźnienie egzekucji, spread i wyższy poślizg,
• stabilność w różnych reżimach i klasach aktywów,
• niepewność estymacji, najlepiej z metodą odporną na zależność zwrotów.

Sharpe’a należy zestawiać z maksymalnym drawdownem, czasem pod wodą, ryzykiem ogonowym, koncentracją, obrotem i płynnością. Sortino ratio skupia mianownik na niekorzystnych odchyleniach, ale również nie rozwiązuje wszystkich problemów. Każda miara odpowiada na inne pytanie.

Najważniejsze wnioski

Wskaźnik Sharpe’a pomaga porównywać wynik strategii z ponoszoną zmiennością, o ile wszystkie dane są policzone na spójnej podstawie. Najczęstsze błędy to mieszanie częstotliwości, niewłaściwa stopa wolna od ryzyka, automatyczna annualizacja, ignorowanie kosztów i traktowanie krótkiego backtestu jak trwałej właściwości systemu.

Najbardziej użyteczna interpretacja nie brzmi „czy Sharpe przekroczył magiczny próg?”, lecz: „czy relacja wyniku do ryzyka jest stabilna, powtarzalna poza próbą i nadal istnieje po realistycznych kosztach?”. Dopiero w połączeniu z innymi miarami Sharpe staje się częścią rzetelnej oceny strategii.

Źródła

• William F. Sharpe, Mutual Fund Performance, 1966 — pierwotna miara reward-to-variability.
• William F. Sharpe, The Sharpe Ratio, 1994 — definicja, interpretacja ex ante i ex post oraz właściwe porównania.
• Andrew W. Lo, The Statistics of Sharpe Ratios, 2002 — niepewność estymacji, autokorelacja i ograniczenia prostej annualizacji.