790c0eaa0a
变更统计: - 70个文件变更 (39个新增 + 31个修改) - 新增 6554 行内容 优化内容: 1. 30个核心文档增加附录(数据说明/计算公式/参数表/使用场景/常见误区) - 第一批: 量化基础/技术指标/策略/信号/品种/数据流/回测/风控/链上/EWO - 第二批: AI/案例复盘/多Agent/Hyperliquid/KOL/期权/RWA/券商/BTC/主流币 - 第三批: ETH/SOL/BNB_DOGE/XAUT/代币化美股/信号优化/tradehk系统 2. 新增38个名词解释wiki条目(Delta对冲/Gamma/Theta/Vega/IV/VaR/CVaR等) 3. 更新全局术语表索引(79个术语/12大类/知识图谱/学习路径) 4. 新增内部链接体系(wiki式交叉引用)
87 行
5.9 KiB
Markdown
87 行
5.9 KiB
Markdown
# 索提诺比率 (Sortino Ratio)
|
||
|
||
🟡进阶
|
||
|
||
## 一句话解释
|
||
索提诺比率是一种衡量投资组合风险调整后收益的指标，它通过计算每单位“有害”风险（即下行风险）所能带来的超额回报，来评估投资的表现，与只考虑总波动的夏普比率相比，它更关注投资者真正厌恶的亏损风险。
|
||
|
||
## 详细解释
|
||
|
||
### 背景与原理
|
||
索提诺比率由经济学家弗兰克·A·索提诺（Frank A. Sortino）提出，是对经典的夏普比率（Sharpe Ratio）的改进。传统风险指标（如标准差）将所有的价格波动都视为风险，无论这些波动是向上（带来收益）还是向下（导致亏损）。然而，对于大多数投资者而言，向上的波动是受欢迎的，只有向下的波动才是他们真正关心的“风险”。
|
||
|
||
索提诺比率的核心思想正是区分“好”的波动与“坏”的波动。它在计算风险时，只考虑那些低于投资者设定的最低可接受回报率（Minimum Acceptable Return, MAR）的收益率，这部分被称为“下行偏差”或“下行风险”（Downside Deviation）。通过这种方式，索提诺比率提供了一个更符合投资者实际风险偏好的绩效评估视角，即在承受同等亏损风险的情况下，哪项投资能带来更高的回报。
|
||
|
||
### 计算公式
|
||
索提诺比率的计算公式如下：
|
||
|
||
```latex
|
||
\text{Sortino Ratio} = \frac{R_p - MAR}{DD_{MAR}}
|
||
```
|
||
|
||
其中：
|
||
- \( R_p \) 是投资组合的平均回报率。
|
||
- \( MAR \) 是最低可接受回报率（Target Return），通常可以设为无风险利率或零。
|
||
- \( DD_{MAR} \) 是下行标准差（Downside Deviation），计算方式如下：
|
||
|
||
```latex
|
||
DD_{MAR} = \sqrt{\frac{1}{N} \sum_{t=1}^{N} (\min(0, R_t - MAR))^2}
|
||
```
|
||
|
||
这里 \( R_t \) 是每一期的回报率，N是总期数。该公式只对回报率低于MAR的期数进行平方和计算，然后取平均值的平方根。
|
||
|
||
### 计算示例
|
||
假设一个投资组合在过去5个月的回报率分别为：`+3%`, `-1%`, `+5%`, `-2%`, `+4%`。投资者设定的最低可接受回报率（MAR）为0%。
|
||
|
||
1. **计算平均回报率 (Rp):**
|
||
\( R_p = \frac{3\% - 1\% + 5\% - 2\% + 4\%}{5} = 1.8\% \)
|
||
|
||
2. **计算下行标准差 (DD_MAR):**
|
||
我们只考虑低于0%的回报率，即 `-1%` 和 `-2%`。
|
||
\( \text{Sum of Squared Differences} = (\min(0, 3\% - 0\%))^2 + (\min(0, -1\% - 0\%))^2 + (\min(0, 5\% - 0\%))^2 + (\min(0, -2\% - 0\%))^2 + (\min(0, 4\% - 0\%))^2 \)
|
||
\( = 0^2 + (-1\%)^2 + 0^2 + (-2\%)^2 + 0^2 = 0.0001 + 0.0004 = 0.0005 \)
|
||
\( DD_{MAR} = \sqrt{\frac{0.0005}{5}} = \sqrt{0.0001} = 1\% \)
|
||
|
||
3. **计算索提诺比率:**
|
||
\( \text{Sortino Ratio} = \frac{1.8\% - 0\%}{1\%} = 1.8 \)
|
||
|
||
## 在量化交易中的应用
|
||
1. **非对称性策略评估**：对于期权策略、趋势跟踪策略等具有非对称收益分布的量化模型，索提诺比率是比夏普比率更有效的评估工具。因为这些策略可能存在大量小幅盈利和少量大幅亏损（或反之），索提诺比率能更准确地捕捉其下行风险特征。
|
||
|
||
2. **投资组合优化**：在构建量化投资组合时，可以将最大化索提诺比率作为优化目标之一。通过这种方式构建的投资组合，能够在满足特定回报预期的同时，将亏损的波动性降至最低，从而更符合风险厌恶型投资者的需求。
|
||
|
||
3. **风险预算和绩效归因**：量化交易团队可以使用索提诺比率来进行风险预算分配。通过分析不同策略或资产对组合整体下行风险的贡献，可以将资本更有效地分配给那些单位下行风险回报更高的策略。同时，它也用于绩效归因，分析超额收益是来自承担了更多下行风险还是卓越的择时能力。
|
||
|
||
4. **动态调仓信号**：在动态资产配置策略中，可以监控投资组合索提诺比率的变化。当比率持续下降时，可能预示着策略的下行风险正在增加，从而触发风控模型进行减仓或对冲操作，以保护资本安全。
|
||
|
||
## 数据规格
|
||
|
||
| 属性 | 说明 |
|
||
|------|------|
|
||
| 数据类型 | float |
|
||
| 取值范围 | 理论上为 (-∞, +∞)，正值越大越优 |
|
||
| 单位 | 无（比率） |
|
||
| 更新频率 | 取决于回报率数据的频率（如每日、每小时） |
|
||
| 典型数据源 | 基于资产或投资组合的历史回报序列计算得出，数据可来自彭博、Refinitiv、券商API等 |
|
||
|
||
## 常见误解
|
||
1. **误解：索提诺比率和夏普比率没有区别。**
|
||
**正确理解：** 两者核心区别在于风险的定义。夏普比率使用总标准差，将所有波动一视同仁；而索提诺比率仅使用下行标准差，只惩罚低于目标收益的“有害”波动，因此更能反映投资者对亏损的厌恶。
|
||
|
||
2. **误解：索提诺比率越高，投资就一定越好。**
|
||
**正确理解：** 索提诺比率是一个相对指标，它必须在同类策略或投资之间进行比较才有意义。一个高索提诺比率的策略可能总回报率较低，它只表明其风险控制（特别是下行风险控制）做得很好。投资者仍需结合绝对回报、流动性、策略容量等其他因素综合判断。
|
||
|
||
3. **误解：最低可接受回报率（MAR）必须是无风险利率。**
|
||
**正确理解：** MAR是一个主观参数，可以根据投资者的具体目标灵活设定。虽然无风险利率是常用基准，但也可以设为0、通货膨胀率、或投资者期望的最低年化收益（如8%）等。不同的MAR会导致索提诺比率的计算结果不同。
|
||
|
||
## 相关名词
|
||
- `[夏普比率](./夏普比率.md)`
|
||
- `[下行风险](./下行风险.md)`
|
||
- `[最大回撤](./最大回撤.md)`
|
||
- `[卡玛比率](./卡玛比率.md)`
|
||
- `[信息比率](./信息比率.md)`
|
||
|
||
## 深入阅读
|
||
- `[Sortino, F. A., & van der Meer, R. (1991). Downside risk. Journal of Portfolio Management, 17(4), 27-31.](./Downside_Risk_Sortino_1991.md)`
|
||
- `[Investopedia - Sortino Ratio](./Investopedia_Sortino_Ratio.md)`
|