相信馬丁格爾或網格 EA 的高夏普
這類策略會展示近乎垂直的資金曲線，已實現波動率極小，因為每一筆虧損部位都被掛著攤低成本而不是平掉。夏普只看見那條平滑的已實現曲線並為之加分——一直到這一籃子部位無法挽回、一次平倉抹掉數月獲利的那一刻。
夏普比率
夏普比率：一項風險調整後的報酬指標——超額報酬除以報酬率的標準差。它獎勵平滑的資金曲線，因此可以一路吹捧一個馬丁格爾 EA，直到它爆倉的那一刻。
亦稱：夏普, Sharpe
更新於
一句話講清
相對於這一路有多顛簸，策略賺到了多少報酬？它獎勵穩步的爬升，懲罰鋸齒狀的爬升，即使鋸齒狀的那條最終更高。請把它讀成平滑度評分，而不是獲利評分。
為什麼重要
對於一個你打算無人看管地放著跑的 EA，資金曲線的形狀和它最終落在哪裡同樣重要，因為正是劇烈的擺盪會讓交易者在最糟的時刻出手干預。夏普比率是把這個形狀變成一個數字的標準做法——同時也是對那些風險尚未兌現的策略產生誤判的標準途徑。
- 它把兩個報酬完全相同的策略區分開。一個靠小額而規律的獲利一點一點磨出來，另一個在單獨一個爆發月裡做出同樣的總額，這是兩種不同的產品，而只有風險調整後的數字才會這樣說。
- 它是 EA 賣家引用最多的數字，所以知道它怎麼算本身就是一種防禦：換一個取樣頻率，同一個策略就會給出不同的夏普，而底層交易一點都沒變。
- 它有一個眾所周知、在 EA 行銷裡極常見的盲點——它看不見尚未平倉的風險，而那恰恰是馬丁格爾或網格所背負的風險。
如何計算
夏普比率 =（平均報酬率 − 無風險利率）÷ 報酬率的標準差 - 平均報酬率
- 在所用取樣週期內的平均報酬率——每筆交易、每日或每月。
- 無風險利率
- 不承擔市場風險即可獲得的報酬，通常是短期國庫券。它是衡量策略的基準——沒有任何交易策略是無風險的，而這正是這項比較值得做的原因。在 EA 回測中通常被設為零。
- 報酬率的標準差
- 報酬率圍繞自身平均值分散得有多寬，向上與向下的偏離同等計入。
分母才是全部論點所在。波動率隨測量頻率而變，所以按每筆交易、按日、按月計算出的夏普，對同一個策略而言是三個不同的數字。年化數值按慣例來自月報酬率；而 MetaTrader 5 的策略測試器並不是這麼算的。
多少算高、多少算低
- 低於 0.5 波動並沒有付錢給你
- 0.5–1.0 作為投資組合中的一條腿可以接受，單獨使用則不行
- 1.0–2.0 紮實——大多數可信策略都住在這裡
- 高於 2.0 對零售 EA 回測來說好得可疑——在有前推測試之前先假定過度擬合
需要一起看的指標
單一數字無法描述一套策略。下列指標會改變這個數字的讀法。
範例
兩個 EA 在同一年裡都賺了 30 %。第一個穩步上行；第二個橫盤顛簸了十一個月，然後一躍而起。夏普把第一個排在前面，因為這個排序講的是報酬率的離散程度，而不是它們的總和。
- EA A —— 年度報酬
- +30 %
- EA A —— 月報酬率的標準差
- 10 %
- 無風險利率為零時夏普 3.0。
- EA B —— 年度報酬
- +30 %
- EA B —— 月報酬率的標準差
- 30 %
- 無風險利率為零時夏普 1.0。
這裡沒有任何一句話說 EA B 不賺錢——只是說它是透過一條寬了三倍的路交出同樣的結果。
計算 30 ÷ 10 = 3.0 · 30 ÷ 30 = 1.0
結果 同樣的利潤，風險調整後的品質相差三倍
怎麼讀這個數字
在你知道取樣頻率、樣本長度以及產出它的工具之前，一個夏普數字不攜帶任何資訊。先把這三樣確定下來，再去讀這個數。
| 區間 | 含義 |
|---|---|
| 來自 MetaTrader 5 的策略測試器 | 由測試器自己的報酬序列算出，因此與用年化月報酬率手工計算的夏普並不吻合。那條熟悉的「高於 2.0 就是優秀」的階梯並不能套到它身上。 |
| 由月報酬率年化而來 | 公開基準線所依據的慣例基礎，也是那些基準線唯一應當被對照閱讀的基礎。 |
| 在不足約一年的區間上量測 | 統計上雜訊很大。一個耀眼的三個月數值，在整整一年的尺度上常常腰斬，而策略本身什麼都沒變。 |
| 用在一個把虧損單掛著不平的策略上 | 具有主動誤導性。未實現虧損從不會進入已實現報酬序列，所以曲線之所以看起來平滑，恰恰是因為風險還沒有被承擔。 |
- 除非兩個數字出自同一工具、同一取樣頻率、同一時間跨度，否則永遠不要用夏普給兩個 EA 排名。
- 這個公式假定報酬率大致服從常態分布。馬丁格爾和網格的報酬率恰恰相反——長時間的平靜之間點綴著罕見的巨額虧損——所以夏普會系統性地低估它們的尾部風險。
- 把它和最大回撤並排放，後者回答夏普無法回答的問題：最糟的那個坑到底有多深？
- 如果大幅獲利的月份正在被扣分，那就改讀索提諾比率——它只除以下行偏差。
mt5depot 的 EA 頁面會寫明每個數字來自哪一次測試執行、涵蓋哪個視窗，因此本站公開的兩個數字彼此之間是可比的。
常見誤解
比較用不同取樣頻率算出的數字
波動率隨測量頻率而變，所以日報酬率的夏普和月報酬率的夏普是兩種不同的動物。策略沒有變，變的只是分母。
把短樣本的夏普讀成策略的屬性
它是從一個樣本中抽出的統計量。三個月的報酬率幾乎可以產生任何數值，而視窗越短，這個數描述的就越是運氣而非設計。
把夏普當成一份完整的風險評估
它對最糟的單筆虧損隻字未提，對一段下跌持續了多久隻字未提，對尾部風險也隻字未提。它的位置在回撤和回復因子旁邊，而不是取代它們。
常見問題
- 夏普比率越高就一定越好嗎？
- 不是。更高的夏普意味著單位波動下的報酬更平滑，但它對最糟的虧損隻字未提，而且可以被那些藏起未實現風險的策略鑽空子。一個回撤很淺的 1.3 夏普，可能描述的是比建立在馬丁格爾之上的 2.5 安全得多的 EA。
- MT5 EA 的夏普比率多少算好？
- 對於涵蓋有意義週期的年化數值，1.0 到 2.0 是紮實且可信的區間。零售 EA 回測中任何高於 2.0 的數值，在前推測試確認之前，都應當被當作過度擬合的紅旗。
- 為什麼 MetaTrader 5 的夏普和我自己算的對不上？
- 因為 MT5 是從策略測試器的報酬序列算出來的，而不是從年化月報酬率。兩種方法使用的分母不同，所以數值理所當然會有差異。只比較以同樣方式產生的夏普值。
- 夏普比率和索提諾比率有什麼區別？
- 夏普除以全部報酬率的標準差，因此既懲罰大幅虧損的月份，也懲罰大幅獲利的月份。索提諾只除以下行偏差，這樣策略就不會因為交易者本來就想要的那種波動而被扣分。