当运行一个算法交易策略时，最常用的评价指标就是年化收益率。但是，仅仅采用这一个指标有很多缺陷。特定策略的收益的计算方法不是完全明确的。特别是一些方向性不强的策略，比如市场中性，或者使用了杠杆的策略。这就使得仅仅依靠收益来比较两个策略不太可行。 另一方面，如果有两个策略，获得了相同的收益，我们如何知道哪一个策略的风险更大呢？而且，“更多的风险”意味着什么呢？在金融领域，我们非常关心收益的波动和回撤区间。如果一个策略有显著更高的收益波动，那它对我们就没那么有吸引力了，即使它的历史收益跟其它策略差不多。 对不同策略进行比较和对策略进行风险评估，促成了夏普比例这一指标的使用。
William Forsyth是一名获得诺贝尔经济学奖的经济学家。他帮助开发了Capital Asset Pricing 模型(CAPM)，同时在1966年发展了夏普比率这一指标（1994年有所更新）。
夏普比率由下面这个等式来定义：
其中，Ra是策略或者投资的区间收益，Rb是一个合适的基准项的区间收益。这一比率是投资或者策略的平均超额收益和该收益的标准差的比值。因此，当收益波动比较小时，在同样的收益情况下，该策略或者投资就会有一个比较大的夏普比率。
在交易策略中，经常被引用的是年化夏普比率。这一比率考虑到了交易区间的时间长短。假设一个策略一年内有N个交易区间，那么该策略的年化夏普比率按下面这个公式计算：
需要注意的是，夏普比率一定是基于所考虑的时间区间类型来计算的。比如一个策略是基于日交易来运行的，那么因为一年有252个交易日，所以N=252，而Ra和Rb也必须是每日的收益。同样的，对于按照小时交易来运行的策略，N=252*6.5=1638，因为每天只有6.5个小时的交易时间。
夏普比率的计算公式里，提到了基准项。基准项用来作为一个标准来评价该策略是否值得考虑。举例说下，一个简单的投资大盘股票的长期策略，应该能够超过S&P500指数，或者至少能够在更小的波动下与之持平。
如何选择第基准项，有时候并不明确。比如，交易所指数基金是否可用来作为独立上市公司表现的基准项，还是用S&P500? 那为什么不用Russell 3000呢？一只对冲基金，是用市场指数还是用其它对冲基金来作为基准项呢？还有“无风险利率”，比如，当地政府的债券，或者一篮子国际债券，或者短期或者长期票据？或者是多个的混合？显然有很多种基准项可以选择。对美国的股票策略来说，夏普比例通常使用的是无风险利率，也就是10年期的政府国库券。
举个特别的例子。对于市场中性策略来说，有一个有点儿复杂的考虑，就是究竟应该使用无风险利率还是0来作为基准项。由于策略是市场中性的，所以市场指标本身不适合用来做基准。正确的选择是不减去无风险利率。由于存息收入的存在，因此对收益的准确计算时：(Ra+Rf)-Rf=Ra。因此对于市场中性策略来说，实际上不需要减去无风险利率。
尽管夏普比率在量化金融里非常重要，但是它也面临一些自身的局限性。
首先，夏普比率是回顾过去的。它只是解释历史收益的分布和波动，而不是指向未来的。在依据夏普比率进行判断时，一个隐含的假设是过去和将来是等同的。然而事实并不一定是这样的，特别是当市场制度发生变化时。
其次，夏普比率的计算，假设了收益的分布式正太的。不幸的是，市场常常是偏态的。收益的分布往往是胖尾的，因此极端情况的发生概率会大于正太分布所预测的。因此，夏普比率在描述尾部风险方面是不足的。
有些策略对这类风险抵抗力很弱。比如，卖出看涨期权。随着时间推移，卖出看涨期权会产生平稳的期权溢价，而这会导致收益的低波动性，以及大大超过基准项的收益，从而会有一个很高的夏普比率（基于历史数据）。然而，它没有考虑到这一期权会被赎回，而那会导致股票曲线突然的明显回撤（甚至平仓）。因此，在对算法交易的表现进行评价时，夏普比率不应该被独立的使用。
虽然对有些人来说，这是老生常谈了。在计算夏普比率的时候一定要纳入交易成本，这样更符合实际。在很多现实的例子里，一些交易策略有很高的夏普比率，然而当实际成本被算入后，就会变成低夏普比率和低收益率的策略了。这意味着，在计算超出基准项的收益时，要采用净收益。所以，计算夏普比率，一定要纳入交易成本。
对于夏普比率的使用，有一个需要考虑的问题，那就是对于一个策略来说，多大的夏普比率算是好的？比较实际的考虑是，你应该忽视那些年化夏普比率小于1的策略（在扣除了交易成本后）。量化对冲基金倾向于忽视那些年化夏普比率小于2 的策略。我知道有个很有名的对冲基金，甚至都不采用夏普比率小于3的策略。作为一个散户，如果你有一个夏普比率大于2的策略，那就很好了。
夏普比率常随着交易频率的增加而增加。有些高频交易的策略会有很高的个位数的夏普比率，有些甚至可以是两位数的。因为这些策略可以每天，每月都有较好的收益，同时很少遭受较大的风险，因此收益率波动很小，从而有了很高的夏普比率。
转载自 网络资料