在寻求投资时，您需要同时考虑风险和回报。 尽管可以轻松量化收益，但风险却无法。 如今，标准差是最常引用的风险度量，而夏普比率是最常用的风险/回报度量。 自1966年以来，夏普比率就一直存在，但是它的寿命并非没有争议。 即使是其创始人，诺贝尔奖获得者威廉·夏普（William Sharpe），也承认这一比例并非没有问题。
夏普比率是衡量大型，多元化，流动性投资的良好风险，但对于诸如对冲基金之类的其他投资，它只能用作多种风险/回报措施之一。
失败的地方
夏普比率的问题在于，它没有得到正态分布的投资而更加突出。 最好的例子是对冲基金。 他们中的许多人使用动态交易策略和期权，在收益分配中让其偏斜和峰度。
许多对冲基金策略产生少量的正回报，偶尔产生较大的负回报。 例如，一种简单的出售大量价外期权的策略往往会收取小额溢价，而在“大额”出现之前，不支付任何费用。 在损失不大之前，此策略将显示很高的夏普比率。
例如，根据哈尔·勒克斯（Hal Lux）在其2002年机构投资者文章“风险越来越大”中所说，长期资本管理公司（LTCM）的夏普比率是4.35，在1998年崩盘之前就很高。不能幸免于长期灾难，例如100年的洪水。 如果不是因为这些事件，除了股票，没有人会投资任何东西。
流动性较弱的对冲基金（其中很多是流动性较弱）似乎也较不稳定，这可以方便地提高其夏普比率。 这样的例子包括基于房地产或私募股权等广泛类别的资金，或者诸如抵押贷款支持证券或巨灾债券的次级发行等较深奥的领域。 在对冲基金领域，由于许多证券没有流动性市场，因此基金经理在为其证券定价时存在利益冲突。 夏普比率无法衡量非流动性，这有利于基金经理。
波动率加
波动性也往往会成块状出现-换句话说，波动性往往会滋生波动性。 回想一下LTCM崩溃或90年代后期的俄罗斯债务危机。 这些事件发生后，高波动率在市场上停留了一段时间。 根据乔尔·切尔诺夫（Joel Chernoff）在其2001年的文章“警告：那些树篱中隐藏的危险”的说法，重大波动事件往往每四年发生一次。
当按月回报时，序列相关性也可能夸大夏普比率。 根据安德鲁·卢（Andrew Lo）在“夏普比率统计”（2002）中的说法，这种影响可能导致比率被高估多达65％。 这是因为序列相关倾向于对比率具有平滑作用。
此外，成千上万的对冲基金甚至还没有经历过完整的商业周期。 对于那些已经拥有的人，许多人经历了管理者的变化或战略的变化。 这并不奇怪，因为对冲基金行业是投资领域中最活跃的行业之一。 但是，当他们最喜欢的对冲基金（夏普比率很高）突然爆发一天时，这并不能给投资大众很大的安慰。 即使经理人和战略保持不变，基金的规模也可能会改变一切。对冲基金规模为5000万美元时，效果如此之好可能是5亿美元的诅咒。
更好的捕鼠器
那么，有没有更简单的答案来衡量风险和回报？
虽然夏普比率是最著名的风险/回报指标，但已经开发了其他方法。 Sortino比率就是其中之一。 它与夏普比率相似，但其分母仅专注于下行波动性，这是大多数投资者关注的波动性。 市场中立型基金声称能够给投资者带来全部上行空间，但下行空间有限。 如果是这样，Sortina比率将帮助他们验证该主张。 不幸的是，尽管Sortino比率比Sharpe比率更具针对性，但它也存在一些相同的问题。
结论
显然，夏普比率可以作为您的风险/回报度量之一。 对于流动性好，回报率呈正态分布的投资（例如S&P 500 Spiders），无疑会更好。 但是，对于对冲基金，您需要采取多种措施。 例如，Morningstar现在使用许多度量：偏度，峰度，Sortina比率，正月，负月，最差月和最大跌幅。 有了这类信息，投资者就可以更好地了解投资情况以及对未来的期望。
切记，正如伦敦卡斯商学院风险管理教授兼另类投资研究中心主任哈里·卡特（Harry Kat）所说：“风险是一个词，但不是一个数字。”
