1703621850
信息比率同夏普比率很相似。它们的区别在于，纵轴不是绝对收益率而是相对收益率，横轴不是绝对风险而是跟踪误差或相对风险（超额收益率的标准偏差），所以信息比率又称为修正夏普比率。
1703621851
1703621852
因为我们采用的是超额收益率，所以不需要考虑无风险收益率，信息比率线永远从原点开始。它的斜率就是超额收益率和跟踪误差的比。
1703621853
1703621854
1703621855
1703621856
1703621857
通常，信息比率采用年化的超额收益率和年化的跟踪误差计算。为了帮助比较，有必要披露计算的方法。例如：数据的频率、整体时间区间、算术法还是几何法超额收益率、算术还是几何平均、n还是n-1、“事后”还是“事前”。
1703621858
1703621859
采用不同的计算方法会产生不同的结果。如果要进行比较，必须确保信息比率是采用同样的计算方法。
1703621860
1703621861
如果在分母中采用了“事前”跟踪误差，那我们一定要记住这只是基于投资组合当前持仓所做的预测。投资经理可以在测量时降低配置，以降低预测的跟踪误差，从而明显改善信息比率，这样就可以达到“粉饰”投资组合数据的作用。
1703621862
1703621863
信息比率是一个关键的统计数据，它被资产管理人广泛使用，经常被描述为测量投资经理能力的指标。
1703621864
1703621865
对于什么构成一个好的信息比率有很多观点。托马斯·古德温（Thomas Gooodwin，1998）在他的研究评论中引用了Grinold和Kahn的观点：0.5是一个好的信息比率，0.75是非常好的，1.0是优秀的。如果这个信息比率能够保持一段时间（3~5年），那么这些数字当然符合我的个人经验。显然地，正的信息比率表示具有超额收益率，负的信息比率表示低于基准收益率。不像夏普比率，对于信息比率的共识是，如果你表现低于基准，一致性地低于基准（表现为低跟踪误差）比不一致地低于基准（高跟踪误差）更差。
1703621866
1703621867
在一个时段获得好的信息比率是容易的，但就像其他统计数据一样，信息比率的发展需要观测一段时间。Goodwin指出保持信息比率超过0.5比Grinold和Kahn的文章中提到的要困难。
1703621868
1703621869
在表4-8和表4-9中，我们用的标准例子数据计算了跟踪误差和信息比率。
1703621870
1703621871
表4-8 信息比率（算术法超额收益率）
1703621872
1703621873
1703621874
1703621875
1703621876
1703621877
1703621878
1703621879
表4-9 信息比率（几何法超额收益率）
1703621880
1703621881
1703621882
1703621883
1703621884
1703621885
1703621886
1703621887
1703621888
1703621889
1703621890
投资组合绩效测评实用方法（原书第2版） [:1703619316]
1703621891
投资组合绩效测评实用方法（原书第2版） 收益率分布
1703621892
1703621893
正态（或高斯）分布
1703621894
1703621895
如果观测值贴近平均值是高概率的，观测值远离平均值是低概率的，那么就可以称之为正态分布。一个正态分布曲线在平均值处达到峰值。
1703621896
1703621897
如果我们能假设收益率或超额收益率是正态分布的，则图4-10所示的正态分布的一些特殊属性对我们是有用的。如果收益率是正态分布的，我们可以使用平均收益率和变化性或收益率的标准偏差来描述收益率分布，例如：
1703621898
1703621899
