夏普比率，是分析评价策略的一个重要指标。
一般来说，夏普比率 > 3，被认为是较好的策略。
夏普比率，考虑了收益在测试周期内的波动。
所谓波动，就是”吐出来“的钱，或者说自高点往下的亏损
实盘中，几乎没有人在向下波动中能够保持心如止水
所以，夏普比率，还是很重要的！
夏普比率是一个衡量投资“性价比” 的指标。简单来说，它帮助你判断：
夏普比率的计算公式非常直接：
夏普比率 = (投资组合的平均收益率 - 无风险利率) / 投资组合收益率的标准差
我们来拆解一下这个公式的三个部分：
简单理解就是：
(你赚的收益 - 无风险收益) / 你承担的风险 = 你的投资性价比
假设有两个投资组合A和B，过去一年的数据如下：
我们来计算它们的夏普比率：
结论： 虽然组合B的总收益（15%）高于组合A（12%），但组合A的夏普比率（1.0）高于组合B（0.65）。这说明组合A的“性价比”更高，因为它用更小的风险波动换来了不错的超额收益。
夏普比率是一个强大而实用的工具，它迫使投资者在追求收益的同时，必须关注其背后隐藏的风险。
它是现代金融学中最重要的风险调整后收益指标之一。
顺便再介绍下【标准差】，针对完全零基础的小伙伴
在投资中，标准差衡量的是投资回报率的“波动程度”或“离散程度”。
因此，在夏普比率中，标准差被用作“风险”的代名词。
标准差越大，分母越大，夏普比率就越低（假设超额收益相同），说明这笔投资的“性价比”越差。
我们来看两个假想的投资组合：“稳健组合” 和 “激进组合”。
假设我们观察它们在过去12个月的月度收益率（%），数据如下：
1. 稳健组合 月回报率： 0.5%, 1.0%, 0.8%, -0.2%, 0.9%, 1.1%, 0.7%, 0.3%, 1.0%, 0.6%, 0.4%, 0.9%
2. 激进组合 月回报率： 8%, -5%, 15%, -10%, 12%, -8%, 20%, -12%, 6%, -4%, 18%, -6%
现在我们不看平均数，看看每个月的具体表现：
这种“震荡的程度”就是标准差要量化的东西。
标准差的计算公式虽然有点复杂，但思想很简单：
衡量每一个数据点（月回报率）偏离平均值（平均月回报率）的平均距离。
我们不用手动计算，可以理解其含义：
现在，我们引入夏普比率。假设无风险月利率为0.1%。
标准差就是投资回报的“波动尺”。
它不会告诉你未来是涨是跌，但它能告诉你历史数据的“震荡幅度”有多大。夏普比率利用这把尺子，帮你判断你为获得的收益究竟付出了多大的“代价”（风险），从而做出更聪明的投资比较。
我们将用一个简单的例子来计算一个投资组合过去5个月的月度收益率：
月回报率数据： 5%, 2%, -1%, 4%, 0%
我们的目标是计算这5个月回报率的样本标准差。
将所有数据相加，然后除以数据点的数量。
平均值 = (5 + 2 + (-1) + 4 + 0) / 5 = 10 / 5 = 2% （所以，平均月回报率是 2%）
用每个数据点减去平均值。
为什么平方？为了消除负号（因为负的偏差和正的偏差同样重要），并放大较大偏差的影响。
方差是这些平方偏差的平均值。对于样本方差，我们除以 (n - 1)，其中 n 是数据点的总数（这里是5）。
标准差是方差的平方根。这样可以将单位变回原始数据的单位（这里是百分比）。
样本标准差 = √方差 = √6.5 ≈ 2.55%
这5个月回报率的样本标准差约为 2.55%。
这意味什么？ 这意味着，在这5个月期间，该投资组合的月回报率通常与其平均月回报率（2%）相差大约 2.55个百分点。
样本标准差 (s) 的完整公式为：
s = √[ Σ(xi - x̄)² / (n - 1) ]
其中：
（与DS共同创作）
量化小白，可以看看下面的系列文章
或许可以避免你走不少弯路
