Sharpe Ratio - 快速参考卡片

🎯 核心公式

每笔交易 Sharpe Ratio：
SR_trade = (μ - rf_trade) / σ

年化 Sharpe Ratio：
SR_annual = SR_trade × √N

其中：
- μ：平均每笔收益率
- rf_trade：每笔交易无风险利率
- σ：收益率标准差
- N：年交易频率

📊 参数说明

关键参数：

• rf = 年化无风险利率（默认 3%）
• t = 平均持仓天数
• n = 交易笔数
• days = 交易时间跨度（天）

✅ 核心特点

📈 评级标准

年化 Sharpe Ratio

不同市场基准

传统金融：

• S&P 500：0.4 - 0.7
• 对冲基金：0.5 - 1.5
• 顶级基金：1.5 - 3.0
• 传奇基金：> 5.0

加密货币：

• BTC 持有：1.0 - 1.5
• 量化策略：2.0 - 5.0
• 高频套利：3.0 - 7.0

🔍 快速示例

例1：基础计算

交易数据：
- 交易 1：收益率 3.0%
- 交易 2：收益率 2.5%
- 交易 3：收益率 4.0%
- 交易 4：收益率 1.5%
- 交易 5：收益率 3.5%

平均持仓：2天
无风险利率：3%（年化）

计算：
1. μ = (3.0+2.5+4.0+1.5+3.5)/5 = 2.9%
2. σ = √[Σ(rᵢ-2.9)²/4] = 0.935%
3. rf_trade = (1.03)^(2/365)-1 = 0.0164%
4. SR_trade = (2.9-0.0164)/0.935 = 3.08
5. 年频率 = (5/10)×365 = 182.5笔
6. SR_annual = 3.08×√182.5 = 41.6 🏆

例2：策略对比

策略 A（激进）：
- 收益率：30%，标准差：25%
- Sharpe = (30%-3%)/25% = 1.08 🟡

策略 B（稳健）：
- 收益率：15%，标准差：5%
- Sharpe = (15%-3%)/5% = 2.40 🟢

结论：策略 B 风险调整后表现更优

例3：年化计算

基础数据：
- 每笔 Sharpe：1.5
- 交易笔数：50 笔
- 交易天数：180 天

年化：
1. N = (50/180)×365 = 101.4 笔/年
2. SR_annual = 1.5×√101.4 = 1.5×10.07 = 15.1 🏆

⚡ 常见误区

❌ 误区 1：高收益 = 高 Sharpe

错误：收益率30%一定比10%好
正确：需要同时考虑风险

示例：
- 策略 A：30% 收益，35% 风险 → Sharpe = 0.77
- 策略 B：10% 收益，4% 风险 → Sharpe = 1.75
结论：策略 B 更优！

❌ 误区 2：杠杆影响 Sharpe

错误：10倍杠杆会提高 Sharpe
正确：基于持仓价值计算，Sharpe 与杠杆无关

原因：
- 杠杆同时放大收益和风险
- Sharpe 作为风险调整指标自动抵消杠杆效应
- 可公平对比不同杠杆策略

❌ 误区 3：只看 Sharpe 不看收益

错误：只要 Sharpe 高就选择
正确：综合考虑绝对收益和策略容量

示例：
- 策略 Alpha：5%收益，Sharpe=5.0，容量小
- 策略 Beta：50%收益，Sharpe=1.2，容量大

选择：
- 小资金 → Alpha（高Sharpe稳定）
- 大资金 → Beta（高收益可扩展）

🔧 优化方向

提高收益（分子）

降低风险（分母）

📐 计算检查清单

✅ 数据验证

• [ ] 交易笔数 ≥ 30（样本量充足）
• [ ] 时间跨度 ≥ 30天（代表性）
• [ ] 无异常值（检查极端收益率）
• [ ] 时间戳准确（用于计算频率）

✅ 计算步骤

• [ ] Step 1：提取单笔收益率 rᵢ = pnl / (|sz|×px)
• [ ] Step 2：计算均值 μ = Σrᵢ/n
• [ ] Step 3：计算标准差 σ = √[Σ(rᵢ-μ)²/(n-1)]
• [ ] Step 4：计算无风险利率 rf_trade = (1+rf)^(t/365)-1
• [ ] Step 5：计算每笔 Sharpe SR = (μ-rf)/σ
• [ ] Step 6：计算年频率 N = (n/days)×365
• [ ] Step 7：年化 Sharpe SR_annual = SR×√N

✅ 结果验证

• [ ] Sharpe 在合理范围（-2 到 5之间）
• [ ] 年化 Sharpe 符合市场基准
• [ ] 与其他指标一致（收益率、回撤）
• [ ] 时间窗口 Sharpe 稳定性检查

🔗 与其他指标关系

Sharpe Ratio
    ├─→ 平均收益率（分子成分）
    ├─→ 收益率标准差（分母成分）
    ├─→ 累计收益率（绝对收益）
    ├─→ Max Drawdown（风险互补）
    └─→ 盈亏因子（综合评估）

综合评估框架：
- Sharpe Ratio：风险调整收益
- 累计收益率：绝对表现
- Max Drawdown：极端风险
- 胜率：稳定性
- 盈亏因子：盈利能力

💡 实战建议

策略评估

优秀策略标准：
✅ 年化 Sharpe > 2.0
✅ Max Drawdown < 30%
✅ 胜率 > 55%
✅ 盈亏因子 > 1.5
✅ 交易笔数 > 100

监控告警

Sharpe 下降预警：
🔴 近30天 Sharpe < 历史平均×50%
🟡 近90天 Sharpe < 历史平均×70%
🟢 持续监控，定期评估

策略优化

优化优先级：
1️⃣ 降低下行风险（严格止损）
2️⃣ 提高入场质量（过滤信号）
3️⃣ 优化仓位管理（凯利公式）
4️⃣ 增加交易频率（年化效应）
5️⃣ 策略组合配置（分散风险）

📱 代码位置

主要函数：

• 文件：apex_fork.py
• 函数：calculate_sharpe_ratio_on_trades()
• 行号：715-800

调用位置：

• 文件：apex_fork.py
• 函数：analyze_user()
• 行号：约 642

显示逻辑：

• 文件：main.py
• 函数：display_core_metrics()
• 行号：151-271

📚 详细文档

• 完整算法：夏普比率算法详解.md
• 可视化示例：夏普比率_可视化示例.md
• 快速参考：夏普比率_快速参考.md（本文档）

🎓 进阶学习

Sharpe Ratio 的演变

传统 Sharpe (1966):
SR = (R_p - R_f) / σ_p

改进 1：基于交易收益率（本项目）
SR_trade = (μ - rf_trade) / σ

改进 2：Sortino Ratio（下行风险）
SoR = (μ - rf) / σ_downside

改进 3：Calmar Ratio（回撤调整）
CR = 年化收益 / Max Drawdown

改进 4：Omega Ratio（全收益分布）
OR = Gain Area / Loss Area

学术资源

• 原始论文：Sharpe (1966) "Mutual Fund Performance"
• 标准定义：Sharpe (1994) "The Sharpe Ratio"
• 统计分析：Lo (2002) "The Statistics of Sharpe Ratios"

🚀 快速上手

1分钟理解 Sharpe

问题：如何衡量策略好坏？
答案：看风险调整后的收益

Sharpe Ratio = 超额收益 / 风险
            = (收益率 - 无风险利率) / 标准差

含义：每承担1%风险，获得多少%超额收益

评判：
- > 2.0：优秀策略 ✅
- 1.0-2.0：良好策略 🟡
- < 1.0：需要改进 ⚠️

5分钟计算 Sharpe

1. 准备数据：
   - 每笔交易收益率
   - 交易时间
   - 无风险利率（默认3%）

2. 计算统计量：
   - 平均收益率 μ
   - 标准差 σ

3. 计算 Sharpe：
   - 每笔：(μ - rf) / σ
   - 年化：每笔 × √年频率

4. 评估结果：
   - 对照评级标准
   - 与基准对比
   - 持续监控优化

版本：v1.0
更新：2026-02-04
作者：Claude (Anthropic)

提示：

• ⭐ 收藏此文档用于快速查询
• 📖 详细理解请参阅完整算法文档
• 💻 代码实现见 apex_fork.py
• 🔄 定期更新评级标准和市场基准