Коэффициент Шарпа

(Sharpe Ratio)

Коэффициент Шарпа - это показатель эффективности инвестиционного портфеля (актива)

Коэффициент Шарпа показывает эффективность инвестиционного портфеля и расчитывается по формуле

Содержание Коэффициент Шарпа - это, определение Варианты расчёта коэффициента Шарпа Биография Уильяма Шарпа  Расчёт коэффициента Шарпа, формула расчёта Три проблемы коэффициента Шарпа Источники статьи "Коэффициент Шарпа"

Коэффициент Шарпа - это, определение

Коэффициент Шарпа — это показатель эффективности инвестиционного портфеля (актива), который вычисляется как отношение средней премии за риск к среднему отклонению портфеля. Другими словами можно сказать, что коэффициент Шарпа - это математическое отношение средней доходности к среднему отклонению этой доходности.

Коэффициент Шарпа - это своего рода показатель эффективности системы. Чем он выше, тем больше система принесёт прибыли. Коэффициент Шарпа редко бывает выше единицы, и случается это, в основном, при определении эффективности в банковской системе. В этом случае система будет показывать отдачу с максимальной прибылью.

Коэффициент Шарпа - это отношение доходность - риск. Данный коэффициент говорит о возможной степени стабильности ожидаемой прибыли.

Коэффициент Шарпа предназначен для того чтобы понять, насколько доходность актива компенсирует риск, принимаемый инвестором. Если сравнивать два актива с одинаковым ожидаемым доходом, то вложение в актив с более высоким формулой Шарпа будет менее рискованным.

Коэффициент Шарпа (Sharpe Ratio) - это

Варианты расчёта коэффициента Шарпа

Есть много вариантов расчета формулы Шарпа, но все они основаны на одной и той же идее:

Коэффициент Шарпа = (доходность – Безрисковая доходность)/ Стандартное отклонение Доходности

Заметьте, что правая часть может быть выражена как в долларах, так и в процентах - при условии, что обе части равенства выражены в одних и тех же единицах. Несколько слов об отдельных терминах, которые лучше всего выражаются в годовом исчислении:

1. Доходность. Это та сумма, которую вы зарабатываете на активах.

2. Безрисковая доходность. Это та сумма денег, которую вы можете ожидать заработать на активах, которые в экономическом анализе классифицируются как «безрисковые», на сумму капитала, эквивалентную той, с которой вы собираетесь выйти на тот рынок, где работаете. Во всех, за малым исключением, ситуациях соответствующей ставкой доходности здесь будет ставка по финансовым инструментам казначейства США. При вычислении формулы Шарпа безрисковая доходность вычитается из общего выгоды портфеля, чтобы обособить ту долю показателя, которая привязана к предположению о подверженности рыночным рискам. Одним из довольно изящных результатов здесь является то, что тот, кто берет капитал и инвестирует его в казначейские ценные бумаги, зарабатывает в точности безрисковую процентную ставку, и, следовательно, коэффициент Шарпа в этом случае становится равным нулю, а у тех портфелей, которые не могут принести даже такого скромного уровня доходности, коэффициент Шарпа будет отрицательным. Поэтому положительным коэффициент Шарпа становится только в том случае, когда достигнутые показатели выше минимальной ставки по государственным ценным бумагам - то есть, в принципе, предполагается, что эти показатели связаны с какой-то сопряженной с риском рыночной деятельностью, и тогда можно говорить о положительной доходности с поправкой на риск.

3. Стандартное отклонение Доходности. Этот наш с вами старый друг-приятель: мы-то думали, что разбили его в пух и прах, - ан нет; вот он, тут как тут, - восстал из пепла, чтобы поучаствовать в качестве компонента риска в вычислении доходности с поправкой на риск. Заметьте себе, что тут чрезвычайно важно выразить эту статистическую величину для соответствующего промежутка времени - в идеале, как уже было сказано выше, для одного года. Вследствие специфики этого расчета (когда эта цифра изменяется в непосредственной зависимости от квадратного корня от количества частных значений наблюдений), для этого необходимо или умножение, или деления квадратного корня из количества наблюдений. Например, предположим, что у вас есть ежедневные данные за год, которые определяют дневное стандартное отклонение, скажем, в $10,000, или в 1% (пусть сумма капитала равна $1 миллиону). Чтобы найти стандартное отклонение в годовом исчислении, надо умножить эту цифру на квадратный корень из количества операционных дней в году. Если зачеркнуть в календаре выходные и праздничные дни, получится примерно 250 плюс-минус один-два дня, и квадратный корень из этого числа будет равен примерно 15.9. Следовательно, если дневное стандартное отклонение равно $10,000, или 1%, то стандартное отклонение в годовом исчислении будет равно примерно $159,000, или 15.9%.

В формуле расчета формулы Шарпа такое нормирование по временным периодам необходимо производить для того, чтобы полученные результаты имели смысл. Заметьте, что эта формула допускает корректировку с учетом таких факторов, как то, что набор данных может быть неполным (например, данные за полгода), и то, что периоды времени не обязательно будут равняться одному дню. Однако в своих объяснениях этих загадочных явлений я буду полагаться на мнение своих друзей-профессионалов в области статистики.

К этому моменту вы уже, наверное, бросились вычислять свой коэффициент Шарпа, и вам интересно, следует ли вам стыдиться или, наоборот, гордиться тем результатом, который у вас получился. Следуя простому эмпирическому правилу, я думаю, что почти всегда надо стремиться к тому, чтобы коэффициент Шарпа, рассчитанный по вышеописанному методу, был больше или равен единице. Например, если предположить, что безрисковая процентная ставка равна 5%, а стандартное отклонение наживы в годовом исчислении составляет 15%, то, чтобы достичь этого порога, для такого портфеля нужно было бы, чтобы доходность была не менее 20%:

(доходность 20% — безрисковая процентная ставка 5%) / стандартное отклонение доходности 15% = 1.0

Коэффициент Шарпа (Sharpe Ratio) - это

Конечно, если коэффициент Шарпа меньше этой базовой величины, то все равно за длительные промежутки времени можно добиться довольно высоких финансовых целей; однако привлекательность таких доходов с точки зрения поправки на риск, естественно, снижается. В таких случаях поставщик капитала (будь то вы сами или какой-то другой экономический субъект), совершенно обоснованно придет к выводу, что его деньгам можно найти более интересное применение. Бывает другая крайность - я знаю случаи, когда коэффициент Шарпа некоторых портфелей достигал 5.0, 10.0 или даже больших значений на протяжении длительных периодов времени. Такие - довольно редкие - исключения могут быть свидетельством или необычайного рыночного подъема, или же того, что в вычислении стандартного отклонения не были в достаточной мере учтены какие-то риски; я бы советовал вам подходить к оценке подобных ситуаций с большой осторожностью.

Все это подводит нас к последнему элементу нашего разговора о коэффициенте Шарпа - а именно, к его ограничениям. В значительной степени они зависят от точности вычисления стандартного отклонения как параметра, представляющего степень подверженности рискам, а также от возможности применения распределений исторической доходности и волатильности как средств прогнозирования будущих показателей. Как было показано выше, ограничения, связанные с вычислением стандартного отклонения, обусловлены предположением, что доходность портфеля имеет нормальное распределение, а так бывает не всегда. Кроме того, модели волатильности могут и не повторяться — в особенности в тех случаях, когда волатильность вычисляется за более короткие промежутки времени.

Чтобы проиллюстрировать тот тип проблем, которые могут быть связаны с этими ограничениями, рассмотрим портфель, в котором не происходит ничего, кроме продажи опционов с большим проигрышем, срок исполнения которых уже очень близок. Поскольку эти опционы окупаются при любых исходах, кроме самых маловероятных, то портфельные менеджеры, использующие такие стратегии, могут добиваться стабильной доходности при низкой волатильности на протяжении длительных периодов времени — зачастую годами. Однако соответствующий коэффициент Шарпа маскирует тот факт, что время от времени в результате каких-нибудь резких изменений на рынке этот портфель будет терпеть существенные убытки. Когда такое происходит, мы видим и ограничения а при расчете подверженности рискам, и риск, связанный с использованием исторической доходности как средства для предвидения будущих рисков.

Коэффициент Шарпа (Sharpe Ratio) - это

По этим и по ряду других причин, хотя коэффициент Шарпа и остается одним из важных эталонов доходности с поправкой на риск, его лучше использовать в сочетании с аналитикой, которая для измерения рисков не полагается только на значение стандартного отклонения - например, на расчет Доходности за период Максимальной Просадки капитала (ROMAD).

Биография Уильяма Шарпа 

Нобелевская премия по экономике 1990 года за вклад в теорию формирования цены финансовых активов

Американский экономист Уильям Ф. Шарп родился в Бостоне (штат Массачусетс). Его родители в то время заканчивали университет, отец - по специальности "английская литература", мать -в области естественных наук. Затем отец Ш. работал в Гарвардском университете. В 1940 г. в связи с его вступлением в национальную гвардию семья переехала в Техас, а затем в Калифорнию. Школьное образование Ш. получил в г. Риверсайд (штат Калифорния). В 1951 г. он записался на медицинский факультет Калифорнийского университета в Беркли, но спустя год убедился в том, что медицина не является его призванием. Он переехал в университетский городок в Лос-Анджелесе, избрав своей будущей специальностью управление бизнесом. В течение первого семестра Ш. изучал бухгалтерский учет и экономикс - оба курса были обязательны для получения диплома по этой специальности. Находя курс бухгалтерского учета скучным, Ш. сразу же увлекся микроэкономикой, что определило его дальнейшую профессиональную карьеру. Особенно сильное влияние на него оказали профессора университета Дж. Ф. Уэстон, преподававший финансы и привлекший в дальнейшем Ш. к работе с Г. Марковицем над темой, за которую оба в будущем получат Нобелевскую премию, и А. Алчиан, преподававший экономикс. В 1955 г. Ш, получил степень бакалавра по специальности "экономикс", а спустя год -магистерскую степень.

После непродолжительного пребывания на военной службе Ш. начал работать экономистом в РЭНД корпорейшн, где в те годы велись разработки в области теории игр, вычислительной техники, линейного и динамического программирования и прикладной экономики. Здесь началась совместная работа Ш. с Г. Марковицем над проблемой портфельных инвестиций и созданием модели, отражающей взаимосвязи ценных бумаг. Работая в корпорации, Ш. защитил в 1961 г. докторскую диссертацию в Калифорнийском университете в Лос-Анджелесе по "экономике трансфертных цен" (отпускные цены, действующие в расчетах между предприятиями одной компании). В диссертации он исследовал ряд аспектов анализа портфельных инвестиций, базирующегося на модели Г. Марковица. Ш. назвал ее моделью с одним коэффициентом, позднее она получила название однофакторной модели. Центральной идеей диссертации являлось положение о том, что доходы от ценных бумаг соотносятся друг с другом только благодаря воздействию одного общего фактора. В заключительной главе "Позитивная теория изменений рынка ценных бумаг" ("A Positive Theory of Security market Behavior") излагалась однофакторная модель, приближенная к сформулированной впоследствии Ш. ценовой модели акционерного капитала (capital asset pricing Model - САРМ).

Коэффициент Шарпа (Sharpe Ratio) - это

В 1961 г. Ш. перешел на преподавательскую работу в Школу бизнеса при Вашингтонском университете в г. Сиэтле. В течение восьми лет он преподавал там широкий круг предметов, в том числе микроэкономику, теорию финансов, вычислительную технику, статистику, исследование операций. В процессе преподавания Ш., по его собственным словам, углублял свои знания соответствующих разделов экономической теории. В 1963 г. в журнале "Наука управления" ("management Science") он впервые опубликовал изложение основных идей своей диссертационной работы в статье, озаглавленной "Упрощенная модель анализа портфельных инвестиции ("А Simplified Model for Portfolio Analysis"). Одновременно он продолжил разработку ценовой модели, которая была намечена в диссертации. Как установил Ш., аналогичные анализу однофакторной модели результаты могут быть получены без учета количества факторов, влияющих на доходы от ценных бумаг. Свой новый вывод он обсудил в январе 1962 г. в Чикагском университете, а затем представил в статье "цены акционерного капитала - теория рыночного равновесия в условиях риска" ("capital asset Prices - A Theory of market Equilibrium Under Conditions of risk"), опубликованной в 1964 г.. В ней были изложены основы получившей широкую известность ценовой модеи акционерного капитала, которая являлась шагом в рыночном анализе формирования цен на финансовые активы. Аналогичные попытки дальнейшего развития модели Г. Марковица были предприняты в середине 60-х гг. Дж. Трейнором, Дж. Линтнером и др.

В основе разработанной Ш. модели лежало предположение, что индивидуальный владелец акций (инвестор) может предпочесть избежать риска путем комбинации заемного капитала и соответствующим образом подобранного (оптимального) портфеля рискованных ценных бумаг. В соответствии с моделью Ш. структура оптимального портфеля ценных бумаг, подверженных риску, зависит от оценки инвестором будущих перспектив различных видов ценных бумаг, а не от его собственного отношения к риску. Последний отражается только в выборе сочетания рискованных акций и инвестирования в безопасные с точки зрения риска ценные бумаги (например, казначейские векселя), либо в предпочтении займов. Для владельца акций, который не располагает специальной информацией по сравнению с другими акционерами, нет оснований держать свою долю в акционерном капитале организации в акциях, отличных от тех, которыми владеют другие акционеры. С помощью так называемого показателя "бета-стоимости" ("beta-value") удельной доли каждого акционера в совокупном акционерном капитале фирмы Ш. показывает ее предельный вклад в риск всего рыночного портфеля рискованных ценных бумаг. Если бета-коэффициент больше 1, то такие доли имеют воздействие на риск всего портфеля бумаг выше среднего, а если бета-коэффициент меньше 1, то эффект влияния на риск всего портфеля акций ниже среднего. Согласно ценовой модели Ш., на эффективно действующих рынках капитала премия за риск и ожидаемый профит от ценной бумаги будут изменяться в прямой зависимости от величины бета-стоимости. Эти отношения связаны с формированием цены равновесия на эффективных рынках капитала.

Коэффициент Шарпа (Sharpe Ratio) - это

Модель Ш. давала возможность определять с помощью бета-коэффициента профит, ожидаемый от ценной бумаги. Она показывала, что риск можно перенести на рынок капитала, где он может быть куплен, продан и оценен. Таким образом, цены рискованных ценных бумаг скорректированы так, что решения о портфельных инвестициях становятся последовательными (непротиворечивыми).

Модель Ш. рассматривается в качестве основы современной теории цен на финансовых рынках. Она широко использовалась в эмпирическом анализе, применялась в практических исследованиях и стала важным основанием в практике принятия решений в различных сферах экономической жизни, в первую очередь там, где премия за риск играет важную роль. Это касается расчетов стоимости капитала, связанных с принятием решений об инвестировании, слиянии компаний, а также в оценках стоимости капитала как основы ценообразования в сфере регулируемых коммунальных служб и пр.. Наряду с моделью портфельных инвестиций Г. Марковица ценовая модель Ш. вошла во все учебники по экономике финансов.

В 1968 г. Ш. перешел на работу в университетский городок Калифорнийского университета в Ирвине, чтобы принять участие в создании Школы социальных наук. По разным причинам это начинание не увенчалось успехом, и Ш. пригласили преподавать в Высшей школе бизнеса при Стэнфордском университете, куда он перешел в 1970 г. Незадолго до этого он издал книгу "Теория портфельных инвестиций и рынки капитала" ("Portfolio Theory and capital Markets", 1970), в которой изложил основные идеи своей теории финансовых рынков.

В 70-е гг. Ш. сосредоточил усилия на исследовании проблем, связанных с установлением равновесия на рынках капитала, а также его значения для выбора владельцем акций портфеля инвестиций. Затем, с середины 70-х гг., он обратился к изучению роли инвестиционной политики для фондов, связанных с пенсионным обеспечением. Написанный им в конце 70-х гг. учебник "инвестиции" ("Investments", 1978; 2-е изд. 1985; 3-е изд. 1990) обобщал разнообразный эмпирический и теоретический материал по данной теме. Сокращенный вариант книги под заголовком "Основы теории инвестиций" ("Fundamentals of Investments") вышел в свет в 1989 г. При работе над учебником Щ. дополнил свою модель, введя в нее двухчленную процедуру выбора цен, которая давала практический инструментарий для оценки выбора при наличии нескольких вариантов. Эта модель широко используется на практике.

Наряду с преподавательской и исследовательской работой Ш. выполнял функции консультанта по инвестициям в ряде частных фирм, где он стремился внедрить в практику некоторые идеи своей теории финансов. Он участвовал в оценках надежности и риска портфельных инвестиций, выборе оптимального портфеля ценных бумаг, определении возможного притока наличности и пр.. Работа в фирмах "Мерилл Линч, Пирс и Смит" и "Уэллс-Фарго" обогатила Ш. реальными знаниями о практике инвестирования.

В 1976-1977 гг. Ш. был привлечен к работе организованной Национальным бюро экономических исследований (НБЭИ) группы по изучению вопросов, связанных с достаточностью банковского капитала для процесса инвестирования. Ш. занимался изучением связи между страхованием депозитов и риском неуплаты. Результаты его работы в комиссии были обобщены в пяти статьях в "Журнале финансового и количественного анализа" ("Journal of Financial and Quantitative Analysis") в 1978 г.

В конце 70-х гг. Ш. разработал достаточно простой, но эффективный метод нахождения решений для целого ряда проблем анализа портфельных инвестиций, который получил широкое распространение, несмотря на то, что статья, описывающая механизм решения, -"Алгоритм для улучшения портфельных инвестиций" ("An Algorithm for Portfolio Improvement") - оставалась неопубликованной до 1987 г.

В 1980 г. Ш. был избран президентом Американской финансовой ассоциации. В своем докладе при вступлении на этот пост, озаглавленном "Управление децентрализованными инвестициями" ("Decentralized Investment management"), он сделал несколько предложений по анализу широко распространенной среди крупных учреждений-вкладчиков практики разделения фондов между менеджерами, профессионально занимающимися инвестициями.

В 80-е гг. Ш. продолжал заниматься вопросами политики планирования инвестиций пенсионных, страховых и пр. фондов. Его особенно интересовал процесс генерирования профита на рынке обыкновенных акций. Результаты эмпирического изучения данного вопроса были изложены в статье "Некоторые факторы, влияющие на профит ценных бумаг на Нью-Йоркской бирже, 1931-1979 гг." ("Some Factors in NYSE (Stock Exchange) Security Returns, 1931-1979").

Результаты своих исследований Ш. стремился реализовать в учебных курсах по подготовке специалистов по размещению финансовых активов. В 1983 г. он помог Стэнфордскому университету в разработке программы недельного семинара по управлению международными инвестициями, предназначенного для профессионалов высокого ранга, занимающихся инвестициями. В течение трех лет Ш. являлся одним из руководителей программы, в последующие годы продолжал вести занятия по этой программе. Он принял участие в создании аналогичной программы трехнедельного обучения для одной из японских школ бизнеса и преподавал в ней в течение пяти лет.

В 1986 г. Ш. временно покинул Стэнфордский университет, чтобы организовать собственную исследовательско-консультационную компанию "Шарп-Рассел-ризёрч", целью которой являлась разработка рекомендаций для страховых, пенсионных, благотворительных и пр. фондов и организаций по размещению ценных бумаг. Он был поддержан рядом американских пенсионных фондов, организацией валюты Швейцарии Рассела, а также группой профессионалов. В 1989 г. Ш. окончательно расстался с преподавательской деятельностью, уйдя в отставку, чтобы отдавать все силы и время своей фирме, которая теперь носит название "Уильям Ф. Шарп ассошиэйтс". Он остается заслуженным профессором Стэнфордского университета и продолжает участвовать в его научной жизни.

В 70-80-е гг. Ш. сотрудничал со многими организациями и фондами, занятыми инвестиционной деятельностью. Он является попечителем исследовательского фонда и Совета по образованию и исследованиям Института финансовых Analystov, членом комитета Института количественных исследований, а также консультантом отдела управления портфельными инвестициями Швейцарского банка. За свои заслуги в исследовании финансовой сферы и вклад в образование в сфере бизнеса Ш. отмечен наградами Американской ассамблеи школ бизнеса (1980) и федерации Аналистов в области финансов (1989).

Премию памяти Альфреда Нобеля по экономике за 1990 г. Ш. получил вместе с Г. Марковицем и М. Миллером "за вклад в теорию формирования цены финансовых активов", воплотившуюся в так называемой ценовой модели акционерного капитала.

Ш. - отец двух дочерей, Деборы и Джонатан. В 1986 г. он женился повторно. Его жена Кэтрин - профессиональный художник, в настоящий момент является администратором семейной компании Ш. В свободное время Ш. увлекается плаванием, посещением оперы, футбольных и баскетбольных игр.

Расчёт коэффициента Шарпа, формула расчёта

Коэффициент Шарпа показывает соотношение доходности и риска, а именно измеряет избыточность доходности портфеля на единицу риска. Чем выше значение коэффициента, тем выше историческая доходность фонда на единицу риска. Коэффициент Шарпа оценивает степень близости эквити к экспоненте с постоянным ростом, или степень стабильности выгоды. При стремлении кривой эквити к экспоненте, Шарп стремится к бесконечности. По-другому говоря, Шарп стремится к бесконечности при стремлении всех месячных доходностей к собственному среднему значению. Получается, что инвесторы, ориентирующиеся на коэффициент Шарпа, стремятся получать стабильный профит. Под стабильностью наживы в данном случае понимается постоянство прибыли.Если пытаться получить максимальный профит при заданном риске, т.е. торговать, используя оптимальную стратегию получения прибыли, то кривая эквити не будет иметь форму экспоненты с постоянной скоростью роста. Средняя скорость роста будет меняться, такова природа рынка – на нём невозможна стабильная доходность. Однако если искусственно ограничить доходность, то можно добиться постоянства скорости роста кривой эквити, и, соответственно, увеличить этим коэффициент Шарпа. Но такая мера приведет к уменьшению прибыли и фактора восстановления. Торговля в этом случае будет не оптимальной. Вывод: Шарп находит стабильную торговлю, но, вообще говоря, не оптимальную. У кого Шарп должен быть больше.Понятно, что самое большое значение Шарпа будет у тех, кто стремится максимизировать этот параметр. Тягаться с такими бесполезно, да и не нужно. Людей таких никогда не видел, и скорее всего их нет. Хотя кто-то предлагал использовать коэффициент Шарпа для оценки трейдеров в аукционе Альпари. Вот тут бы мы и увидели таких людей.

Если бы предложение было принято, то результаты аукциона были бы довольно забавными. Однако интересно, если не применять никаких махинаций по повышению этого коэффициента, то у кого Шарп будет больше? Очевидно, у интрадейщиков, особенно у пипсовщиков, и у портфельных трейдеров. Чем меньше тайм фрейм трейдера, тем стабильнее прибыль по месяцам. Поэтому интрадейщики имеют шансы получить относительно большое значение Шарпа. Касаемо портфельной торговли тоже всё ясно – диверсификация сглаживает доходность, сближая эквити с экспонентой. Труднее всего придется тем, кто торгует на одном инструменте и вдолгосрочку. У них Шарп будет близок к нулю, если только графики торгуемых инструментов не будут иметь большого Шарпа. На сайтах пишут, что Шарп говорит об эффективности инвестиций. И даже строят рейтинги фондов на основании этого коэффициента. На самом деле как раз об эффективности он ничего не говорит. Он говорит лишь о степени стабильности прибыли. Стабильность это не эффективность, не надо путать эти понятия. Сравнивая коэффициенты Шарпа разных фондов, можно увидеть у кого прибыль стабильнее. Если не обращать внимания на саму прибыль, то можно посчитать ПИФ с доходностью 12%, показанной за год с момента создания этого фонда, самым эффективным вложением денег. Отсюда вывод: если и использовать коэффициент Шарпа, то обязательно в совокупности с таким параметром, как годовая доходность. К слову, самый большой Шарп у банков. Если считать безрисковую ставку равной нулю, то у них он исчисляется тысячами – недостижимое число для трейдера. Банки прибегают к методу искусственного повышения этого коэффициента - они перераспределяют прибыль. Если прибыль превосходит фиксированный процент, то излишки они кладут себе в резерв.

Если прибыль не дотягивает до нужного процента, они дополняют её из резерва, обеспечивая этим стабильные выплаты. Примерно так. Как применять коэффициент ШарпаПростой случай: есть 2 фонда, оба имеют прибыль 100% в год, при этом у одного из них низкий Шарп, а у другого высокий. Можно сказать с уверенностью, что выгоднее, и уж точно психологически спокойнее, вложиться в фонд с наибольшим значением Шарпа.

Коэффициент Шарпа (Sharpe Ratio) - это

В этом случае мы уже в первом месяце с большой вероятностью получим прибыль, в то время как в другом фонде, ввиду меньшей стабильности, прибыли в первое время может не быть, или может быть просадка, впрочем, как и очень большая прибыль за короткий срок. У фонда с большим значением Шарпа прибыль будет более равномерно распределена по временному отрезку. Возможно, у фонда с небольшим значением Шарпа, выгодно дождаться некоторой просадки счета или простоя. В то время как медлить с инвестированием в фонд с высоким Шарпом смысла нет – это будет с большой вероятностью способствовать потере возможной прибыли.Высокий Шарп одного из фондов может говорить о более лучшей диверсификации, что говорит о меньшем риске. Правда этот же Шарп может говорить об увлечении трейдеров пипсовкой. Как это связано с риском уже трудно оценить.

Три проблемы коэффициента Шарпа

Хотя коэффициент Шарпа — полезный способ измерений, но у него есть некоторое количество потенциальных недостатков

1. Измерение прибыли в коэффициенте Шарпа.

Это измерение — среднемесячная доходность (или доходность за другой интервал времени), выраженная в процентах годовых, — более приспособлено для оценки вероятной результативности в следующем месяце, чем для оценки результативности на протяжении всего года. Например, предположим, что управляющий в течение полугода получает 40% прибыли каждый месяц, а другие 6 месяцев приносят ему убытки в размере 30%. Вычисляя годовую прибыль, исходя из среднемесячной, мы получим 60% (12 х 5%). Однако если размер позиции корректируется в соответствии с существующими активами, а так поступает большинство управляющих, действительная прибыль за год составила бы -11%. Это произойдет, потому что из каждого доллара активов, имеющихся в начале периода, к концу периода осталось бы только $0,8858((1,40)6 х (0,70)6 = 0,8858).

Как показывает этот пример, если вы озабочены оценкой потенциальной доходности за расширенный период, а не лишь за следующий месяц или другой интервал, то измерение прибыли, используемое в коэффициенте Шарпа, может вести к огромным искажениям. Однако эту проблему можно обойти, используя среднее геометрическое (в противоположность арифметическому) при расчете средней месячной доходности, которую затем выражают в процентах годовых, чтобы получить числитель формулы Шарпа.

Здесь подразумевается, что торговые активы постоянны (прибыль изымается, а убытки восполняются). Другими словами, отсутствует дополнительное вложение прибыли и снижение величины инвестиций в случае убытков. Вообще говоря, хотя вычисление прибыли с учетом вложений инвистиций предпочтительно, это обстоятельство более чем компенсируется существенным преимуществом, состоящем в отсутствии необходимости оценивать требования к минимальной величине активов в случае торговой системы. Более того, система с более высокой прибылью, рассчитанной без учета дополнительных вложений капитала, чаше всего будет демонстрировать и более высокую прибыль с их учетом.

Этот раздел адаптирован из статьи Дж. Швагера «Alternative to Sharpe Ratio Better Measure of Performance», Futures, p. 57-58, March 1985.

Коэффициент Шарпа (Sharpe Ratio) - это

Средняя геометрическая доходность в процентах годовых в точности эквивалентна средней годовой доходности с учетом повторных вложений капитала, которая обсуждается позже в этой главе в разделе, посвященном отношению прибыли к максимальному падению стоимости активов.

2. Коэффициент Шарпа не делает различий между колебаниями стоимости активов вверх и вниз. Коэффициент Шарпа

измеряет волатильность, а не риск. А это не обязательно одно и то же.

С точки зрения меры риска, используемой в коэффициенте Шарпа, т.е. стандартного отклонения доходности, колебания вверх и вниз рассматриваются как в равной степени плохие. Таким образом, коэффициент Шарпа показывал бы в невыгодном свете управляющего, у которого спорадически наблюдались бы резкие увеличения активов, даже если бы падения стоимости активов были малы.

3. Коэффициент Шарпа не делает различий между череду­ющимися и последовательными убытками. Мера риска в коэффициенте Шарпа (стандартное отклонение) не зависит от последовательности выигрышных и убыточных периодов.

Источники статьи "Коэффициент Шарпа"

ru.wikipedia.org - свободная энциклопедия Википедия

aboutforex.biz - сайт Forex: просто о сложном

investpark.ru - портал инвестора

pifcapital.ru - сайт ПИФ капиталла

dic.academic.ru - финансовый словарь Академика

klosvalera.narod.ru - сайт о доверительном управлении

progi-forex.ru - торговля на валютном рынке

Источник: http://forexaw.com/