#037. 金融一：夏普比率专题
先用一个小例走通
两天超额收益分别0与2%，平均1%，按总体口径波动1%，夏普为1。超额指先减同周期无风险收益；若原始收益也是0与2%但无风险0.5%，超额均值变0.5%，波动不变，夏普变0.5。夏普是均值除标准差的比值，不能独自说明尾部、回撤或真实盈利概率，后面正态换算都附额外假设。
#学习目标：把夏普当统计量审问
金融直觉板块的第一站不是产品知识，而是一个统计量。夏普比率（Sharpe ratio）几乎是所有量化面试的第一个金融问题，因为它同时考察三件事：你能否写出一个干净的比值定义、你是否知道年化换算背后的假设、你能否把比值翻译成概率语言（「夏普 2 的策略四年亏钱的概率是多少」）。这三层恰好对应源题 F5/F20、F8、F30 三组题。
更深一层，夏普是连接「单策略评价」与「组合构建」的桥梁：给定几个不同夏普、彼此相关的策略，如何配出最高夏普的组合（F34、F26），答案就是马科维茨框架里的切点组合（tangency portfolio）。本章先建立夏普的统计结构，再逐一解掉这批题。
\(\text{SR}=\mu/\sigma\) 的结构就是「均值除以标准误」，年化夏普乘以 \(\sqrt{\text{年数}}\) 近似于「平均收益为正」的 t 统计量。
\(\sqrt{252}\) 换算成立的前提是日收益独立同分布（无自相关）；对平滑收益或流动性差的资产，朴素年化会系统性高估夏普。
多个策略的相关矩阵决定「免费午餐」的大小：两个不相关的夏普 1 策略等权组合，夏普为 \(\sqrt{2}\)；完全相关则无红利可言。
#夏普比率的定义、年化与统计结构
夏普比率衡量每承担一单位波动换取多少超额收益。对收益率为 \(R_p\) 的策略或组合，其（总体）夏普比率为
怎么读：分子是超过无风险利率（risk-free rate）\(r_f\) 的期望超额收益，分母是收益的标准差。夏普 2 的意思是：长期看，每一份年化波动换来两份年化超额收益。
日度夏普：实践中先用日收益算 \(\widehat{\text{SR}}_d=\bar{r}_d/\hat{\sigma}_d\)（或减去日无风险收益），它本身没有量纲信息，必须注明频率。
年化公式：在独立同分布假设下，\(\text{SR}_{ann}=\sqrt{252}\cdot\text{SR}_d\)。推导见下方展示公式。
t 统计量视角：\(\text{SR}_{ann}\cdot\sqrt{N_{\text{years}}}\) 近似等于「策略平均年收益为正」的 t 值——夏普天然是显著性语言，这解释了为什么它偏爱长样本。
假设清单：日收益独立同分布（无自相关）；均值与方差平稳；无风险利率口径一致；高阶矩（偏度、峰度）不参与换算。
年化公式的推导只需要「独立求和」这一件事。设日收益 iid，日均值为 \(\mu_d\)、日标准差为 \(\sigma_d\)，一年 252 个交易日，则年收益的均值与方差为
怎么读：均值按时间线性累积，标准差按平方根累积，所以比值按 \(\sqrt{T}\) 放大。同理，任何期限 \(T\)（以天计）的夏普换算都是乘 \(\sqrt{T}\)，期限越长的收益序列越「显著」。
换算成立的关键词是「独立」。若日收益存在正自相关（动量型、平滑估值的流动性差资产、月度净值插值），真实年化波动大于 \(\sqrt{252}\,\sigma_d\)，朴素年化会高估夏普；负自相关（均值回复型策略）则相反。Andrew Lo 在 2002 年指出对冲基金指数普遍存在这种平滑偏差，正确的做法是先对收益做自相关调整再年化。此外，若均值或波动率本身随时间变化（regime 切换），单一年化数字会掩盖路径风险。
最后一块拼图是概率换算。设策略年化夏普为 \(\text{SR}\)，累计 \(T\) 年的收益 \(R_T\sim\mathcal{N}(T\mu,\,T\sigma^2)\)（正态近似），则
怎么读：亏损概率只取决于「夏普乘以期限的平方根」这一个组合——\(\text{SR}\sqrt{T}\) 是累计收益距离零的标准差倍数。这一条公式直接解掉本章 F8、F30 与 P48 三道题。
#从单一策略到多策略的最大夏普
面试官问「几个策略各有夏普、彼此相关，怎么配出最高夏普」时，考点是切点组合。设 \(n\) 个策略的超额收益均值向量为 \(\mu\)、协方差矩阵为 \(\Sigma\)，则最大夏普（对无风险资产）的组合权重满足
怎么读：权重先看「均值高不高」（\(\mu\)），再看「彼此冲不冲」（\(\Sigma^{-1}\) 把相关性求逆，低相关的策略在求逆后获得放大）。这就是资本配置线（capital allocation line）逻辑：任何风险组合与无风险资产再组合，夏普不变；要最大夏普，就取从无风险利率出发、与有效前沿相切的那个切点组合。
两个特殊情形值得背下来。第一，两个等波动策略合成的夏普：
两个不相关（\(\rho=0\)）的夏普 1 策略各投一半，组合夏普 \(\sqrt{2}\approx 1.41\)；\(\rho=1\) 时退化为两者的平均。第二，推广到 \(N\) 个互不相关、等波动的同夏普策略，组合夏普为 \(\text{SR}\sqrt{N}\)——这就是「有效策略数」直觉：分散化是唯一免费的午餐，而相关矩阵正是这份午餐的价格表。
夏普单看每个策略，配置赢在相关性。完全相关的两个策略，组合夏普不会超过其中较高者，配置无意义；相关性越低，\(\Sigma^{-1}\) 给出的对冲红利越大。危险在于相关性是估计出来的：危机时刻策略间相关性常飙升（趋同于 1），用平静期的相关矩阵算出的组合夏普会高估危机表现——这是 F34 面试口径里必须主动提的一句。
#例题详解一：定义、年化与概率换算
例题 1（源题 F5、F20）：什么是夏普比率？如何计算年化夏普？日夏普与年夏普是什么关系？你在换算时假设了什么？
建模。概念题，用「定义 → 计算 → 年化关系 → 假设」四段口径作答。
推导。定义：\(\text{SR}=(\mathbb{E}[R_p]-r_f)/\sigma(R_p)\)，即每单位波动换取的超额收益。计算：用同一段日收益序列，样本均值减去日无风险收益得超额均值 \(\bar{r}\)，样本标准差 \(\hat{\sigma}\)（自由度 \(n-1\)），日夏普为 \(\bar{r}/\hat{\sigma}\)。年化关系：iid 假设下 \(\text{SR}_{ann}=\sqrt{252}\,\text{SR}_d\)，因为年化均值乘 252、年化标准差乘 \(\sqrt{252}\)。
检验。量级自查：一个不错的日内中性策略日夏普约 0.05–0.1，乘 \(\sqrt{252}\approx 15.87\) 得年化 0.8–1.6，符合业界经验区间；若换算出年化夏普 5 以上，先怀疑口径而不是庆祝。
面试怎么讲。先给定义与 \(\sqrt{252}\)，然后主动列出假设：日收益独立同分布、无自相关；均值方差平稳；无风险利率口径统一。再补一句「若收益有正自相关（例如某些平滑净值序列），\(\sqrt{252}\) 年化会高估夏普，应先做自相关修正」——这一句是区分背书与理解的分水岭。
推导补全与自检。若日超额收益独立同分布、均值\(\mu \)方差\(\sigma ^{2}\)，n日和均值\(n\mu \)、方差\(n\sigma ^{2}\)，所以夏普\(\sqrt{n}\cdot \mu /\sigma \)。若自相关\(\gamma _{k}\)非零，累计方差为\(n\gamma _{0}+2\sum _{k=1}^{n-1}(n-k)\gamma _{k}\)，平方根年化不再成立。超额收益与原始收益也不可混用，周末补零或删零会改变时间分母，应统一采样频率再比较。
例题 2（源题 F8）：某资产夏普比率为 2，其在 4 年内亏钱的概率是多少？
建模。年化夏普 2 意味着年收益 \(R\sim\mathcal{N}(2\sigma,\sigma^2)\)（正态近似，\(\sigma\) 为年化波动）。4 年累计收益 \(R_4\sim\mathcal{N}(8\sigma,\,4\sigma^2)\)。
推导。直接套用通用公式 \(\mathbb{P}(\text{亏})=\Phi(-\text{SR}\cdot\sqrt{T})\)：
约十万分之三。
检验。量级自查：\(\Phi(-3)\approx 0.13\%\) 已经是「千分之一」级，\(\Phi(-4)\) 再小一个数量级以上，符合正态尾部的衰减速度。也可以从 t 统计量视角复核：\(\text{SR}\sqrt{T}=2\times 2=4\)，即累计收益离零有 4 个标准差。
面试怎么讲。先写 \(\Phi(-\text{SR}\sqrt{T})\) 再代数字，然后主动加边界：「这是正态近似；收益若厚尾或均值波动不平稳，模型概率可能显著变化；仅凭夏普2不能确定真实四年亏损率。」
推导补全与自检。在独立同分布正态的“可加收益/盈亏”模型下，4年总盈亏均值\(8\sigma \)、标准差\(2\sigma \)，亏损标准化阈值\(-4\)，概率\(\Phi (-4)\approx 3.167\times 10^{-5}\)。这是由假设推出的模型概率，不是仅凭夏普2就能给出的分布无关事实；若夏普基于超额收益，计算的是超额盈亏为负而非一定本金亏损。
例题 3（源题 F30 与概率源题 P48）：夏普为 1 的策略，单期收益为正的概率是多少？交易 4 年后亏钱的概率是多少？
建模。两问共用 \(\mathbb{P}(\text{正})=\Phi(\text{SR}\sqrt{T})\) 这一公式，只是期限一个取 1 年、一个取 4 年。
推导。单期（\(T=1\)）：单年收益超过 0 的概率为 \(\Phi(1)\approx 84.1\%\)。四年累计（\(T=4\)，P48）：
检验。两问互洽：单年为正 84%，四年累计为正升至 \(\Phi(2)\approx 97.7\%\)——期限拉长让「均值优势」更确定，这正是 \(\sqrt{T}\) 法则的含义。值得记住的锚点：\(\Phi(1)=0.841\)，\(\Phi(2)=0.977\)，\(\Phi(3)=0.9987\)。
面试怎么讲。「夏普乘期限平方根就是离零的标准差数」一句话立住框架，然后 84% 与 2.28% 两个数脱口而出；追问厚尾时指出真实亏损率不能仅由均值/标准差决定，不能无数据地断言必定高于或只是略高于2.28%。
推导补全与自检。年夏普1且独立正态可加盈亏时，单年盈利率\(\Phi (1)\approx 84.13\%\)，4年亏损率\(\Phi (-2)\approx 2.275\%\)。若“单期”是一天而\(SR=1\)是年化，日盈利率应为\(\Phi (1/\sqrt{252})\approx 52.51\%\)，不能用84%。先统一SR频率与T单位，再代\(SR\sqrt{T}\)，避免把年、日混在公式里。
例题 4（源题 P80、C38）：删掉一半零收益日，夏普比率怎样变？
先分总体矩与样本标准差。设非零日有n天，均值μ、离差平方和\(S=\sum_i(x_i-\mu)^2\gt0\)，另有n个0。完整2n天的均值为μ/2、离差平方和为\(S+n\mu^2/2\)。这些恒等式不依赖分母约定。
总体矩口径（ddof=0）。删零后的方差S/n，完整方差\((S+n\mu^2/2)/(2n)\)。对μ≠0，两夏普之比为
其下确界是√2、没有统一有限上界；μ非零时严格大于√2，μ²/S趋0时才逼近。正确/错误的比值为1/M₀，落在(0,1/√2)中。若μ>0，删零让数值更高；μ<0则绝对值放大、数值更负；μ=0时两者都0，倍率未定义。
样本标准差口径（ddof=1）。n≥2时两方差分母分别n−1与2n−1，所以
下确界为\(\sqrt{4(n-1)/(2n-1)}\)，大n、低夏普时才约为√2；正确/错误的比值取倒数。例[1,3,0,0]：ddof=0时完整SR=1/√1.5、删零SR=2，倍率√6；ddof=1时完整SR=1/√2、删零SR=√2，倍率2。把两个分母口径混在一起会产生错误的界。
时间口径。上述比较固定相同采样单位和无风险收益口径。删去停盘或空仓日后再按活跃天数年化，是改变时间分母；不能据此声称日历时间表现增加。非零日收益全相等时S=0，删零后标准差0，普通有限夏普无定义，应单列，不能直接代倍率。
推导补全与自检。均值确实从μ/2变成μ，不是“均值不变只压缩波动”。先写完整序列离差平方和，再选择ddof和年化方法；总体、样本、负均值和退化方差须各自使用一致定义。
#例题详解二：最优组合与策略比较
例题 5（源题 F26）：资产 A 期望收益 1%，资产 B 期望收益 2%，两者标准差同为 1%，相关系数 0.5。构造夏普比率最大的组合。
建模。无风险利率取 0（题未给出，按超额收益口径）。两资产切点组合权重 \(w\propto\Sigma^{-1}\mu\)，两资产有显式解：
推导。代入 \(\mu_A=1\)、\(\mu_B=2\)（单位 %）、\(\sigma_A=\sigma_B=1\)、\(\rho=0.5\)：分子 \(=2-0.5\times 1=1.5\)；分母 \(=2+1-0.5\times 3=1.5\)。故 \(w_B=1\)、\(w_A=0\)：最大夏普组合是 100% 持有 B，夏普 \(=2/1=2\)。
这个退化结果不是巧合：A 对 B 回归的 beta 为 \(\beta_{AB}=\rho\sigma_A/\sigma_B=0.5\)，A 的「残差 alpha」为 \(\mu_A-\beta_{AB}\mu_B=1-0.5\times 2=0\)——A 的期望收益恰好等于它通过 B 能解释的部分，对最大夏普组合没有任何增量，留在组合里只添方差。
检验。用微分校验：设 \(w\) 为 B 的权重，组合夏普平方为 \(f(w)=(1+w)^2/(1-w+w^2)\)（均值 \(1+w\)，方差 \(1-w+w^2\)，单位约去），求导得一阶条件 \(3(1-w)=0\)，即 \(w=1\)，与公式一致。再抽查 50/50 组合：均值 1.5、方差 \(0.75\)、夏普 \(\approx 1.73\lt 2\)，确认不是内部最优。
面试怎么讲。先写通式再代入，然后指出 \(1-0.5\times 2=0\) 这个关键量：「B 已经把 A 的信息包含完了，最优组合退化为单资产。」最后补一句一般情形（A、B 都有正残差 alpha 时权重会在两者间分散，甚至对低均值资产做空）展示你理解公式而非背公式。
推导补全与自检。协方差以\((1\%)^{2}\)为单位为[[1,0.5],[0.5,1]]，收益向量为[1,2]；其逆乘收益为[0,2]（同一单位缩放不影响方向），归一化得到\(A=0\)、\(B=1\)。A虽有正收益，却恰无额外风险调整贡献。用任意A权重试算均值和波动可确认不能提高夏普；相关系数若变小，最优权重也会改变。
例题 6（源题 F34）：有多个夏普不同的策略且彼此相关，如何配置得到最高夏普的组合？
建模。结构化概念题，考察切点组合与相关矩阵的角色，按「估计 → 公式 → 直觉 → 约束」四层作答。
推导（口径）。第一步，用同一时段、同一频率的收益估计各策略超额收益均值向量 \(\mu\) 与协方差矩阵 \(\Sigma\)；第二步，无约束最大夏普权重 \(w^*\propto\Sigma^{-1}\mu\)，归一化后即切点组合；第三步，直觉校验：高夏普策略获得更高权重，但低相关策略因 \(\Sigma^{-1}\) 的放大获得分散化红利——两个不相关、等波动的夏普 1 策略等权组合夏普为 \(\sqrt{2}\)，\(N\) 个互不相关的同夏普策略组合夏普为 \(\text{SR}\sqrt{N}\)；第四步，现实约束（杠杆上限、单策略容量、风险预算、卖空限制）下改用数值二次规划求解。
检验。两个极端自检：若完全相关且限制非负权重，组合夏普不超过最高单项；允许做空且收益均值不按波动同比例时，可能构造零风险非零均值的退化情形，应先检查可行性与套利一致性；若相关矩阵估计错误（尤其危机时相关性趋同于 1），样本内最优组合的夏普会被高估。低夏普策略也可能被保留甚至做反向（负权重），只要它与现有组合负相关。
面试怎么讲。一句话框架：「把每个策略当成一个资产，做切点组合，权重正比于 \(\Sigma^{-1}\mu\)——这道题的答案藏在相关矩阵里。」然后主动给 \(\sqrt{N}\) 直觉和危机时相关性飙升的警告。
推导补全与自检。令\(z=\Sigma ^{1/2}w\)，则夏普为\((z^T\Sigma ^{-1/2}\mu )/\)‖z‖，Cauchy–Schwarz给最大值\(\sqrt{\mu ^T\Sigma ^{-1}\mu }\)，等号当w∝\(\Sigma ^{-1}\mu \)。方向解不等于任意归一化都可行：若要求权重和1且归一化分母为0，或有不可卖空等限制，需重新解约束问题。估计误差大时应做协方差收缩与权重约束。
例题 7（源题 F21、F22）：两个回测跑完的策略如何比较？若两者收益分布完全相同，你还会考虑什么？
建模。F21 是一般比较框架，F22 是它的极端情形（边际分布相同，比较维度从分布参数转向路径与执行），合并作答。
推导（口径）。F21 五个维度：① 样本外表现——留出期、滚动窗口、参数邻域的稳健性优先于全样本指标；② 换手与成本后收益——毛收益高但换手高的策略净夏普可能更差；③ 容量——信号规模上去后冲击成本吃掉多少收益；④ 与现有组合的相关性——增量信息比孤立夏普重要；⑤ 稳定性与可解释性——分年度、分 regime 表现，机制能否讲清楚。F22 在分布相同的前提下再加四个维度：① 回撤路径与回撤时长（分布相同但路径可以更惨烈）；② 执行现实性——信号用的是收盘价还是可成交价、日内容量；③ 策略容量与拥挤度；④ 与你现有持仓的净额机会（能降整体成本的胜出）。
检验。自检方法：把两个策略的净值曲线画在一起，如果一条浅回撤、一条深回撤，分布相同也分高下；把成本加倍重跑，净值差排序若翻转，说明比较结果被成本假设主导。
面试怎么讲。用「样本外、成本、容量、相关、稳定」五个词组织 F21；F22 直接接「分布之外看路径与执行」。这两个问题的标准陷阱是只报夏普和年化，主动展开多维比较即是加分项。
推导补全与自检。相同的收益边际分布可以有不同时间排列：连续亏损聚集会放大回撤与融资压力，随机打散则可能更平滑。比较策略还应看与已有组合的相关、成交容量、故障恢复和尾部暴露。对同一日期的两策略做配对成本后收益比较，避免把不同时段的夏普差异误当策略差异。
例题 8（源题 F25）：同标准差、高低均值，风险厌恶者如何选？
在题目简化的均值—方差偏好下，选高均值。若目标是\(E[R]-\gamma\operatorname{Var}(R)\)，γ>0且两资产方差相同，风险惩罚相消，只比较期望。若两者是相同形状分布的平移，高均值者还会一阶随机占优，所有单调递增效用都偏好它。
一般风险厌恶并不能只靠两个矩排序。凹效用还会受偏度和尾部影响。“同标准差、高均值”不自动证明分布是一阶随机占优。若原题只把风险厌恶定义为偏好低标准差，可直接给均值—方差答案；若问一般期望效用，须补分布或效用函数。这样既回答主问，也说明用了哪层假设。
推导补全与自检。先在明确的简化目标下比较，再谈推广边界。不能先无条件声称风险厌恶者都选高均值，然后在补充里又撤回：目标函数或分布关系必须与结论同时出现。
#误区与边界
① 正态口径低估尾部：\(\Phi(-4)\approx 3\times 10^{-5}\) 只在正态下成立，其他分布下可能不同，差异大小与方向需要完整分布，不能给统一数量级；② \(\sqrt{252}\) 年化对自相关收益失效（见本章讲解）；③ 样本夏普有估计误差：其标准误约为 \(\sqrt{(1+\text{SR}^2/2)/n}\)，短样本高夏普极不可信；④ 组合夏普不是成分夏普的加权平均——相关性决定一切，这也是 F34 的核心；⑤ 用同一段数据挑了很多策略后留下的「最好夏普」含多重检验偏差，正确做法是留出样本外（口径见 019 章）。考官常见变式：把「亏钱」改成「回撤超过 10%」、把日夏普改成月夏普换算、给出含自相关的序列让你判断能否直接乘 \(\sqrt{252}\)。
夏普对上行波动与下行波动一视同仁，也不惩罚偏度。追问时能报出替代口径：索提诺比率（Sortino，用下行波动）、卡玛比率（Calmar，收益除以最大回撤）、以及相对明确基准的主动收益均值除跟踪误差（信息比率）；因子回归的alpha除残差波动则常称appraisal ratio，不能混为同一个量。知道夏普的边界比背更多比率更重要。
#检查清单
- 我能写出夏普比率定义，并把日夏普按 \(\sqrt{252}\) 年化，同时说出 iid 与无自相关假设。
- 我能解释为什么年化是 \(\sqrt{T}\) 而不是 \(T\)：均值线性累积、标准差平方根累积。
- 我能把任意期限的亏损概率写成 \(\Phi(-\text{SR}\sqrt{T})\)，并心算 \(\Phi(1)\approx 84\%\)、\(\Phi(-2)\approx 2.3\%\)。
- 我能分别按ddof=0与ddof=1推导删零倍率，并处理负均值、零均值、零方差和年化单位。
- 我能写出两资产最大夏普权重的解析式并代入数值（F26 的 100% B 情形）。
- 我能说明多策略最高夏普配置 \(w\propto\Sigma^{-1}\mu\) 与相关矩阵在其中的角色。
- 我能从样本外、成本、容量、相关性、稳定性五个维度比较两个回测策略。
- 我能指出夏普的边界：厚尾、自相关、估计误差、多重检验，并说出 Sortino 或 Calmar 等替代口径。