拿一個工具的索提諾與另一個工具的索提諾相比
下檔標準差裡的分母和預設目標報酬率都是實作層面的選擇，而這兩點在 EA 行銷中很少被寫明。兩個工具可以從同一份交易清單報出相差一半的比率，而沒有哪一個是錯的。
索提諾比率
一種風險調整後報酬指標，建構方式與夏普比率相同，但只除以下檔標準差，因此策略不會因為獲利期的波動而被扣分。
亦稱：索提諾
更新於 · 審閱於
一句話講清
和夏普比率是同一個想法，但它只數那些與你為敵的顛簸。賺得多的月份不再被當成缺點，於是那種偶爾賺一大筆的策略，不會再因為這些大賺而被扣分。
為什麼重要
夏普比率衡量報酬向兩邊散開的程度，這表示一個格外好的月份把分數壓低的幅度，和一個格外差的月份完全一樣。索提諾去掉了這種不對稱——如此一來，兩個比率之間的距離本身就成了對一套策略形狀的可讀描述。
- 它不再懲罰你買這個 EA 的初衷。一套盤整數月、然後抓住一波大趨勢的策略，會被夏普按獲利的幅度扣分；索提諾只讀回落。
- 夏普與索提諾之間的距離本身就是訊號。索提諾高出許多，說明報酬分布向正方向傾斜；兩個數字幾乎重疊，說明獲利與虧損的形狀大致相同。
- 對 EA 的報酬序列而言，它是兩者中較誠實的一個，因為這類序列很少對稱——多數策略有一個由停損決定的典型虧損幅度，和一個規律性差得多的獲利幅度。
- 它與夏普比率共享完全相同的盲區。兩者都看不到尚未平倉的風險，所以馬丁或網格 EA 之所以能給出好看的索提諾，原因和它給出好看的夏普一模一樣。
如何計算
索提諾比率 =（平均報酬率 − 目標報酬率）÷ 下檔標準差 - 平均報酬率
- 在所用取樣週期上的平均報酬率——按每筆、每日或每月。選了哪一種，標準差也必須用同一種。
- 目標報酬率
- 低於它就算作不足的門檻，常被稱為最低可接受報酬率。做 EA 時通常取零，另一個常見選擇是無風險利率。
- 下檔標準差
- 只有低於目標那部分報酬率的離散程度。高於目標的報酬率對它毫無貢獻，這就是它與夏普比率的全部差別。
下檔標準差是低於目標那部分報酬率的均方根，而這個平均裡的分母並沒有統一標準：除以全部期數與除以虧損期數，會從同一份資料得出不同的數字。只有當同一個工具、同一個目標、同一個取樣頻率同時產出兩個數值時，兩個索提諾才可比。
多少算高、多少算低
- 低於 0.7 下檔風險沒有得到補償
- 0.7–1.5 偏薄——放進投組裡可用，單獨拿出來偏弱
- 1.5–3.0 扎實，且與 1.0–2.0 左右的夏普比率相互印證
- 高於 3.0 相信之前先看看虧損期長什麼樣——一套很少平掉虧損的策略，會誠實地產出這個數字，而且照樣危險
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 有著相同的月均報酬率和相同的整體波動，但波動來自相反的方向。夏普分不出它們，索提諾分得出。
- EA A——月均報酬率
- +2.0 %
- EA A——下檔標準差
- 1.0 %
- 它逐月變化的大部分落在獲利那一側。
- EA B——月均報酬率
- +2.0 %
- EA B——下檔標準差
- 2.5 %
- 同樣的均值，但變化集中在虧損的月份。
按整體標準差計算的夏普比率會把這兩個排得近得多，因為它把 EA A 的好月份也算成了風險。
計算 2.0 ÷ 1.0 = 2.00 · 2.0 ÷ 2.5 = 0.80
結果 索提諾 2.00 對 0.80——均值相同，風險特徵相反
怎麼讀這個數字
把索提諾放在夏普旁邊讀，而不是拿它取代夏普。這一對攜帶著任何單一數字都裝不下的資訊，而單獨引用的索提諾無從核對。
| 區間 | 含義 |
|---|---|
| 索提諾遠高於夏普 | 正偏——大幅波動大多是獲利。在趨勢跟蹤型 EA 中常見，通常也是交易者想要的形狀。 |
| 索提諾接近夏普 | 報酬大體對稱。既不是警告也不是稱讚；停損與目標都固定的策略常是這樣。 |
| 索提諾低於夏普 | 在算術上不常見，值得追查——它指向一個設在零以上的目標報酬率，或者一個名不副實的計算。 |
| 引用時未說明目標報酬率與取樣頻率 | 無法核實。這兩個選擇都會明顯移動數字，而「索提諾」這個詞本身並不隱含其中任何一個。 |
- 除非是同一個工具以同一取樣頻率、同一目標報酬率產出了兩個數字，否則不要用索提諾給兩個 EA 排序。
- 把它和最大回落配著看。索提諾描述的是通常的下檔，回落描述的是最糟的那一次；一套策略可能平均看來很平靜，卻已經挖過一個帳戶坐不住的坑。
- 對一套攤低成本的策略，極高的索提諾應當當成警告而不是成績。未實現虧損從不進入報酬序列，那裡的下檔標準差只在衡量已經平掉的風險。
- 如果兩個比率在哪個 EA 更好這件事上不一致，這個不一致本身就是結論：其中一套策略正因為獲利的幅度而被扣分。
mt5depot 的 EA 頁面會寫明每個公開數字來自哪一次測試執行、涵蓋哪段區間，因此本站的兩個數字可以彼此對照著讀，而不必去比一個來路不明的數字。
常見誤解
把高索提諾讀作回落小的證據
下檔標準差是虧損期的平均，因此許多小額虧損加上一次災難性虧損，可以平均成一個看著舒服的數字。最糟的那一次單獨下跌是另一項測量，必須分開來讀。
以為索提諾解決了馬丁的問題
並沒有。兩個比率讀的都是已實現的報酬序列，而網格或馬丁 EA 會把虧損單掛著。風險是真實的、未實現的，對任何由已平倉交易算出的指標都不可見。
用很短的樣本引用索提諾
下檔標準差只由虧損期估計，因此幾十個報酬率的樣本裡可能只有寥寥幾個。區間越短，這個數字就越是在描述恰好落進去的是哪幾筆虧損。
深入說明
同樣這十四份紀錄，兩種算法各算一遍
| 在此發布的 14 個 EA 中 | 數值 |
|---|---|
| 公開了索提諾或夏普數值的商品 | 0 |
| 落在 1.5–3.0 區間的紀錄，全期數分母 | 7 |
| 同樣這些紀錄，虧損期數分母 | 4 |
| 僅因換了分母就換區間的紀錄 | 11 |
| 索提諾高於夏普的紀錄，全期數分母 | 14 |
| 同一比較，虧損期數分母 | 11 |
| 索提諾與夏普的排序一致度 | 0.96 |
我們把每個商品自己公開的已平倉交易檔案，統一按一套約定跑了一遍：取自資金曲線的月度報酬率，沒有成交的月份計為零，目標為零，按十二的平方根年化。沒有任何商品公開過這樣一個數值，所以這些數字屬於我們，而不屬於測試器。
第二到第四列承擔著問題。把缺口的平方除以每一個月，Cairn 得 6.04；只除以虧損的月份，同一份紀錄得 2.86。第二種約定要吃掉數值的 34 % 到 53 %，並把十四份裡的十一份推到本頁所劃那條線的另一側。
第五、第六列修正了下面的常見問題。在第一種分母下，索提諾在十四份上全部高於夏普；在第二種分母下，Beacon、Peregrine 和 Windrose 各自跌到自己的夏普之下——上面的表格把這種情況歸咎於設在零以上的目標報酬率，或是名不副實的計算，而兩者都不是。我們的方法論記錄著每份交易檔案背後的那次執行。
第七列給這套說法洩了氣。十四份裡有七份在兩個比率之間互換了位置，且沒有一份移動超過三位，所以本頁所尋找的那種分歧確實出現了，卻小到不足以據此行動。反倒是兩者都與商品真正公開的獲利因子不一致，而且它們把不同的紀錄排在第一。
常見問題
- MT5 的 EA 索提諾比率多少算好？
- 在多年且成本貼近現實的樣本上，大約 1.5 到 3.0 是一個扎實的區間，通常對應 1.0 到 2.0 之間的夏普比率。任何遠高於 3.0 的值都更值得追查而不是慶祝，因為一套很少平掉虧損交易的策略會誠實地產出那個數字。
- MetaTrader 5 會報告索提諾比率嗎？
- 不會。策略測試器報告的是由它自己的報酬序列算出的夏普比率，沒有任何索提諾數值。為某個 EA 引用的索提諾是在 MT5 之外算出來的，所以必須先說明工具、目標報酬率和取樣頻率，這個數字才能和別的東西比較。
- 我應該用索提諾取代夏普嗎？
- 兩個都用。對報酬向正方向傾斜的策略來說，索提諾是更公平的尺度，但兩個比率之間的差值比任何一個單獨看都更有資訊量——它告訴你資金曲線的波動是來自獲利還是來自虧損。
- 為什麼我的索提諾比率總是高於夏普比率？
- 因為分母更小。下檔標準差只數低於目標的報酬率，而標準差把全部都數進去，所以任何在獲利一側存在波動的策略，索提諾都會更高。報酬分布越是向正方向傾斜，這個差距就越大。