1703565971
1703565972
例如，考虑图9-6和图9-7所示的两个为期一年的收益曲线。每个曲线均为总年化收益为63%，年化波动率为11.93%。若利率为0，则两者的夏普比率均为5.28。另外，每条收益曲线都包括126个幅度为1%的盈利交易日和126个幅度为-0.5%的亏损交易日。简单看一下两个图就可知，结果是有很大差异的，大多数人都会更喜欢图9-6的结果。
1703565973
1703565974
1703565975
1703565976
1703565977
图9-6 一条“线性的”收益曲线
1703565978
1703565979
1703565980
1703565981
1703565982
图9-7 一条“非线性的”资金曲线
1703565983
1703565984
K比率强调了上面的这个问题（与我们在第2章中使用主观设定的时间间隔来计算波动率时所提及的抽样问题类似）。该比率的名字来自其发明者Lars Kestner（1996）（需要注意的是，他后来对定义进行了细微改变，我在这里讨论的是其初始版本）。
1703565985
1703565986
与其他风险度量指标类似，K比率同样为某个好东西与某个坏东西的比率。此处的好东西为拟合累计（对数）收益率的回归线的斜率，而坏东西为收益率偏离该回归线的量，即斜率的标准差。它同样为拒绝原假设——“真实斜率小于或等于零”的标准分（t-score），因此它同样可被理解为对假设（该交易者的真实累计收益率为正）的信心度。由于它是一个标准分，因此我们可以用它来直接对比，即使某个交易员的业绩跟踪记录比另一个更长（假设我们按照同样的频率抽样，比如每天）。
1703565987
1703565988
需要注意的是，所有这些替代指标均基于历史数据。这是不能避免的，但我们总是需要牢记这一事实。可怕的事件没有在过去发生，并不能保证在将来也不会发生。这些比率都量化了过去的风险/收益水平，但在得出它们同样能够合理描述未来的结论之前，我们需要做出人为的判断。
1703565989
1703565990
[1] 20 世纪80 年代，很多人在研究墨西哥的资本市场收益率时发现墨西哥的平均资产收益率持续高于美国的同类资产，他们把原因归结为人们对墨西哥比索在未来贬值的预期。因为在当时，人们普遍认为比索的币值被高估了，基于这样的判断，人们预期比索在未来的某一天必定要贬值。贬值意味着所持有的比索资产在未来只能换回更少的外国货币。所以，他们在当时只愿意支付较小价格来购买比索资产，故而比索资产的平均收益率较高。这一现象被一些学者称为“比索问题”。后来，“比索问题”被进一步发展为所谓的“灾害性事件预期”（catastrophe expectation）。——译者注
1703565991
1703565992
1703565993
1703565994
1703565995
波动率交易：期权量化交易员指南（原书第2版） [:1703562394]
1703565996
波动率交易：期权量化交易员指南（原书第2版） 结论
1703565997
1703565998
·本节在介绍夏普比率的优点时，只用了几句话。但在介绍缺点时，却使用了很长的篇幅。这并不表明这个比率的优点为缺点所掩盖，而是说其优点更显而易见。
1703565999
1703566000
·如果你很了解交易过程，那夏普比率能够帮助你对交易结果进行量化。如果你对交易过程还不够了解，无法判断夏普比率的缺陷何时会占主导作用，那其他风险统计指标也同样帮不了你。
1703566001
1703566002
·可扩展性可能要比夏普比率本身更加重要。一个夏普比率为3的策略已经很优秀了，但是如果这个策略只能容量100万美元的资金，那还是不能形成一个可行的业务模式。
1703566003
1703566004
·交易员会对激励机制做出反应。如果高夏普比率能够为他们带来奖金，那么他们应该很快就能掌握如何去操作它，所以管理层和资金提供者都需要了解利用风险指标来欺骗的各种办法，这也是所有交易部门都应该配有独立的风险管理部门的原因。即使没有欺骗的初衷或者故意操纵的企图，交易员还是会逐渐试图操纵业绩指标。所以针对策略和风险有一个独立的监督还是至关重要的。
1703566005
1703566006
1703566007
1703566008
1703566009
波动率交易：期权量化交易员指南（原书第2版） [:1703562395]
1703566010
波动率交易：期权量化交易员指南（原书第2版） 设定目标
1703566011
1703566012
现在我们已经有了所需的工具和统计量来估计合理的交易目标。这一过程可以用基于正态分布特性的公式来完成，但一些仿真测试的结果可能通常更有意义。在图9-8中，我们可以看到一个季度交易结果的仿真数据。其中的期望收益率为账户金额的100%，夏普比率为4。图中的一条路径实现了2500000美元的利润（账户金额为1000000美元），然而另一条路径却亏损了100000美元。
1703566013
1703566014
1703566015
1703566016
1703566017
图9-8 相同交易过程下的20个模拟结果
1703566018
1703566019
我们看到，即便是这些很出色的数据指标，也很有可能在短期内产生很差的业绩。如果一个优秀的交易员根据历史交易记录得到了资金，但在一个月以后，他的账户可能毫无进展甚至亏钱，即使管理层对统计学很了解，也可能会对这个交易员失去耐心。大部分人会问“出了什么问题”或者“这个策略行不通了吗”？可能确实出了一些问题。市场是在不断变化的。如果我们不努力改进策略，我们就会看到交易业绩正在衰退，但是也有可能只是交易员的运气不好，我们只是观察到了方差以及小样本误差的作用。
1703566020