Sharpe Oranı Nedir? Trader’lar İçin Rehber

Formül

Sharpe oranı 1966’da William Sharpe tarafından ortaya konmuştur ve şöyle tanımlanır:

Burada:

• Rp = yıllıklandırılmış portföy getirisi
• Rf = yıllıklandırılmış risksiz faiz oranı (genellikle 3 aylık Hazine bonosu getirisi)
• σp = portföy getirilerinin yıllıklandırılmış standart sapması (volatilite)

Pay, fazla getiridir — stratejinin nakit tutmaya kıyasla ne kadar fazla kazandığı. Payda ise getirilerin ne kadar dalgalandığını ölçer. Daha yüksek bir oran, alınan birim risk başına daha fazla fazla getiri demektir.

Nasıl Yorumlanır

Sharpe oranı birimsiz bir sayıdır. Anlamı tek başına mutlak değerinden değil, karşılaştırmadan gelir. Birkaç referans noktası:

• 0’ın altı: Strateji risksiz faiz oranından daha az getiri sağladı. Nakitte kalsan daha iyi olurdu.
• 0 ile 0,5 arası: Riske göre düzeltilmiş performans zayıf. Hisselerde basit al-ve-tut stratejilerinin çoğu uzun dönemde bu aralığa düşer (çünkü hisse volatilitesi yüksektir).
• 0,5 ile 1,0 arası: Kabul edilebilir. Birçok çeşitlendirilmiş pasif portföy bu aralıktadır.
• 1,0 ile 2,0 arası: İyi. Başarılı quant stratejileri ve yetenekli aktif yöneticiler bunu hedefler.
• 2,0’ın üzeri: Mükemmel — ya da şüpheli. Gerçekten yüksek Sharpe’lı stratejiler vardır (piyasa yapıcılık, istatistiksel arbitraj) ama genellikle kapasite ve likidite açısından sıkı kısıtlar içerirler. Bireysel bir backtest’te 2,5’in üzerinde bir Sharpe neredeyse her zaman aşırı uyuma veya bir ileriye bakma yanlılığı (look-ahead bias) hatasına işaret eder.

Günlük Getirilerden Sharpe’ı Yıllıklandırmak

Backtest motorlarının çoğu Sharpe’ı günlük getirilerden hesaplar. Yıllıklandırmak için:

√252 çarpanı, yılda 252 işlem günü varsayarak günlük istatistikleri yıllığa çevirir. Haftalık getiriler için √52, aylık için √12 kullan. Bu yıllıklandırma getirilerin bağımsız olduğunu varsayar — yaklaşık bir varsayımdır ama günlük stratejilerin çoğu için genellikle makuldür.

Sharpe Oranı ve Sortino Oranı

Sharpe’ın bir sınırlaması, tüm volatiliteyi — hem yukarı hem aşağı yönlü — eşit şekilde cezalandırmasıdır. Ara sıra büyük pozitif uç değerleri olan bir stratejide (örneğin trend takibi), Sharpe performans kalitesini olduğundan düşük gösterir, çünkü bu büyük kazançlar paydayı büyütür.

Sortino oranı bunu σp yerine aşağı yönlü sapmayı — yalnızca negatif getirilerin standart sapmasını — koyarak çözer. Bu da onu pozitif çarpıklığa sahip stratejiler için daha uygun kılar. Backtest sonuçlarını raporlarken eksiksiz bir tablo sunmak için hem Sharpe’ı hem Sortino’yu ekle.

Sharpe Oranı Ne Zaman Yanıltabilir

Sharpe faydalı bir ölçüttür ama birkaç kör noktası vardır:

• Açığa volatilite satan stratejiler — opsiyon veya yapılandırılmış ürün satmak — prim toplayarak yıllarca yüksek Sharpe oranı gösterebilir, sonra uç olaylarda (Mart 2020 gibi) yıkıcı kayıplar yaşayabilir. Sharpe sol kuyruk riskini yakalamaz.
• Likit olmayan pozisyonlar — pozisyonlar piyasa fiyatı yerine modele göre değerleniyorsa volatilite yapay olarak düşük görünür ve Sharpe şişer.
• Otokorelasyonlu getiriler — getiri yumuşatma uygulamalarıyla getirilerini düzleştiren stratejiler, gerçek ekonomik riski yansıtmayan düşük bir raporlanmış volatiliteye sahip olabilir.
• Çoklu test yanlılığı — 50 strateji varyantı çalıştırıp en yüksek Sharpe’ı raporlarsan, beceriyi değil şansı seçmiş olursun.

Bu nedenlerle bir stratejiyi değerlendirirken Sharpe oranının yanında her zaman maksimum düşüş, çarpıklık, basıklık ve Calmar oranını (yıllık getiri / maksimum düşüş) da kullan.

Pratikte Sharpe Oranı

Backtest çalıştırırken, parametre seçimlerinin riske göre düzeltilmiş performansı nasıl etkilediğini anlamak için aynı stratejinin birden fazla varyantının Sharpe oranlarını her zaman karşılaştırmalısın. Ham getirisi daha yüksek ama Sharpe’ı alternatifinden düşük olan bir strateji çoğu zaman daha kötü seçimdir — fazladan getiri orantısız bir volatilite maliyetiyle gelmiştir.

QuantPrompt gibi araçlar her backtest çalıştırmasında Sharpe oranını maksimum düşüş, Sortino oranı ve Calmar oranıyla birlikte raporlar. Bu, strateji varyantlarını yan yana karşılaştırmayı ve yalnızca en yüksek ham getiriyi değil, en iyi riske göre düzeltilmiş özellikleri sağlayan parametre kombinasyonlarını belirlemeyi kolaylaştırır.