作为投资者，你的目标是平衡潜在的回报和风险。在评估风险时，投资者和财务顾问经常将夏普比率应用于他们的投资分析。夏普比率只是评估股票的一个流行方法，它是一种工具技术分析这有助于投资者和投资组合经理确定投资回报与风险的比较。下面我们来仔细看看夏普比率，以及如何将这个计算应用到你的投资组合中。
夏普比率的解释
夏普比率由经济学家、诺贝尔经济学奖得主威廉·f·夏普(William F. Sharpe)提出，帮助投资者评估投资回报与风险之间的关系。这个比率的计算方法是:用投资回报率减去无风险回报率，然后用结果除以投资回报率的标准差，即总风险。一般来说,投资者使用美国公债收益率为无风险利率，因为假定政府不会拖欠债务。
例如，假设你有一项回报率为14%的投资，标准差为12%，无风险回报率为2%。夏普比率的计算方法是:14%减去2%，然后将结果(12%)除以12%。这将使你的夏普比率为1，这被认为是投资者可以接受的。一般来说，2以上的就很好，3以上就更好了。
计算的结果将决定收益是由于明智的投资选择还是承担超额风险的产品。一个投资组合可能会获得比下一个更高的回报，所以只有在回报不伴随着更高的风险敞口时，它才可能是一个好的投资选择。
为什么夏普比率很重要
的现代投资组合理论建议通过增加投资低的相关性对于多样化的投资组合，投资者可以在不丧失回报的情况下减少风险。因此，通过在一个投资组合中加入多样化的资产，夏普比率相对于其他投资组合应该会增加更少的多样化．然而，投资者必须假设风险和波动率是相等的，这样的评估是真实的。
投资者可以利用他们的实际回报和夏普比率来评估过去和未来的投资组合表现。结果可能表明，投资者是否承担了额外的风险，以实现更大的回报。此外，投资者可以利用预期的投资组合收益和可能的无风险率来预测未来的夏普比率。
一般来说，夏普比率越高，回报就越有吸引力，投资也就越好。然而，如果计算结果是负夏普比率，这意味着两种情况之一:要么无风险利率大于投资组合的收益，要么投资组合预期的收益为负。在这两种情况下，负夏普比率表明该投资比无风险利率更糟糕，你可能根本不进行该投资。
夏普比率的极限
夏普比率是风险调整后回报率的相对衡量标准。如果单独进行评估，可能无法提供评估a的适当数据投资组合的实际性能．此外，该比率使用标准差，它假设回报的平均分布。这意味着夏普比率不考虑其他可能影响基金业绩的因素。
由于标准差包含了正和负的偏差回报，它并不能准确地衡量风险的负面影响，因为它可能被更多的正回报所扭曲。标准差假设价格的任何波动，无论是上升还是下降，都是同样的风险，尽管向下的运动将导致损失，而向上的运动将导致收益。
此外，投资组合经理可能会试图操纵夏普比率，给人以历史正回报的错觉，以吸引更多客户。他们可以通过扩展度量快照来实现这一点，这可能会降低对波动性或风险的估计。例如，应用每日回报的年度标准差将比使用每周回报的比率更高，依此类推。
夏普比率的选择
Sortino比率是另一种性能指标。Sortino比率通过使用负资产回报的投资标准差来区分有毒波动率和完全波动率。专家们将这种情况称为“偏离的负面影响”，与占投资组合总回报的标准差形成对比。本质上，它消除了价格的上行运动。在某些情况下，使用Sortino比率可以消除夏普比率的限制。
特雷诺比率是另一种夏普比率。这种变异使用投资组合的贝塔系数或市场相关性，而不是标准差或总风险。投资者可以利用特雷诺比率来决定是否值得进行不稳定的投资以获得更高的回报。要计算特雷诺比率，需要从投资组合的收益中减去无风险利率，然后除以投资组合的β．虽然特雷诺比率是夏普比率的一个很好的替代方法，但它着眼于一项投资的历史表现，这并不一定能准确地决定该投资的未来。
底线
尽管夏普比率可能很有用，但在评估投资质量时，波动性只是一个需要考虑的因素。考虑一家公司的资产负债表实力、盈利能力和战略定位也是明智的。
降低风险的最好方法之一是使你的投资组合多样化。你可能想寻求财务顾问的帮助，使你的投资多样化。但在你这么做之前，考虑一下你应该问财务顾问的问题。
风险评估建议
- 你可以与金融专业人士合作，他们可以替你分析和选择投资，而不是手工进行自己的技术分析。找到合适的财务顾问符合您的需求不必太难。伟德ios appSmartAsset的免费工具在五分钟内与您所在地区的财务顾问进行匹配。如果您愿意与当地顾问合作，帮助您实现财务目标，现在开始．
- 你是否与理财经理或者采取DIY的方法，重要的第一步是为你的投资组合选择正确的资产组合。看看什么对你是正确的，用我们的资产配置的计算器．这个投资工具会考虑你的时间范围和风险承受能力，让你对基于风险承受能力的不同投资组合有一个大致的了解。
- 用下列方法评估不同的投资低的相关性．低相关性的投资可能有助于减少投资组合中的波动性。
图片来源:©iStock.com/Jirapong Manustrong，©iStock.com/vm，©iStock.com/AndreyPopov
