מה זה Sharpe Ratio ואיך מחשבים אותו
Sharpe Ratio מוסבר בפשטות: הנוסחה המלאה, איך לחשב אותו בפייתון, ולמה תשואה גבוהה בלי Sharpe Ratio טוב לא אומרת הרבה.
Sharpe Ratio הוא מדד לתשואה מתואמת סיכון — הוא מחלק את התשואה העודפת של אסטרטגיה (מעבר לנכס חסר סיכון) בתנודתיות שלה. Sharpe Ratio מעל 1.0 נחשב סביר, מעל 1.5 טוב, ומעל 2.0 מצוין (ולעיתים חשוד מדי טוב מכדי להיות אמיתי). המדד חשוב כי הוא עונה על שאלה שתשואה לבדה לא עונה עליה: כמה סיכון היה צריך לקחת כדי להשיג את התשואה הזו.
למה תשואה לבדה מטעה
אסטרטגיה עם תשואה שנתית של 20% נשמעת טובה יותר מאסטרטגיה עם 12% — אבל אם הראשונה השיגה את זה עם תנודות פרועות (עליות וירידות חדות), והשנייה עלתה בעקביות יחסית, השנייה עשויה להיות ההשקעה העדיפה בפועל. Sharpe Ratio לוכד את ההבדל הזה במספר אחד.
נוסחת Sharpe Ratio
Sharpe Ratio = (תשואה ממוצעת של האסטרטגיה − תשואת נכס חסר סיכון) ÷ סטיית תקן של התשואות
בפייתון, על סדרת תשואות יומיות:
import numpy as np
daily_returns = strategy_returns # pandas Series של תשואות יומיות באחוזים
risk_free_daily = 0.0001 # תשואה יומית מקורבת של נכס חסר סיכון (כמו T-Bills)
excess_returns = daily_returns - risk_free_daily
sharpe_daily = excess_returns.mean() / excess_returns.std()
sharpe_annual = sharpe_daily * np.sqrt(252) # 252 ימי מסחר בשנה
השורה האחרונה קריטית: Sharpe Ratio שמחושב על תשואות יומיות צריך "לשנתי" אותו בכפל בשורש של מספר התקופות בשנה (252 לימים, 52 לשבועות, 12 לחודשים) כדי להשוות בין אסטרטגיות שנבדקו בתדירויות שונות.
איך לפרש את התוצאה
| Sharpe Ratio | פרשנות | |---|---| | מתחת ל-0 | האסטרטגיה הפסידה יותר מנכס חסר סיכון | | 0–0.5 | תשואה מתואמת סיכון חלשה | | 0.5–1.0 | סביר, אבל לא מרשים | | 1.0–2.0 | טוב עד טוב מאוד | | מעל 2.0 | מצוין — אבל בדקו Overfitting לפני שמאמינים למספר |
Sharpe Ratio גבוה במיוחד (מעל 3) על Backtest הוא בדרך כלל דגל אדום, לא סיבה לשמחה — אסטרטגיות אמיתיות עם ביצועים עקביים לאורך שנים נדירות ביותר בטווח הזה. סביר יותר שהאסטרטגיה כווננה יתר על המידה לנתוני העבר הספציפיים שנבדקו.
מגבלות Sharpe Ratio
Sharpe Ratio מניח שהתפלגות התשואות סימטרית (תנודות כלפי מעלה ומטה "שוות" מבחינת סיכון) — הנחה שלא תמיד נכונה במסחר, שבו הפסדים חדים (Tail Risk) חשובים יותר מתנודות רגילות. מדדים משלימים כמו Max Drawdown ו-Sortino Ratio (וריאציה שמתחשבת רק בתנודות שליליות) נותנים תמונה שלמה יותר. Sharpe Ratio הוא נקודת התחלה טובה, לא המדד היחיד שצריך לבדוק.
שאלות נפוצות
מה ההבדל בין Sharpe Ratio ל-Sortino Ratio?
Sharpe Ratio מתחשב בכל התנודתיות (גם עליות וגם ירידות) במכנה. Sortino Ratio מתחשב רק בתנודתיות כלפי מטה — כי תנודות כלפי מעלה הן לא "סיכון" מבחינה מעשית. Sortino נותן תמונה מדויקת יותר לאסטרטגיות עם רווחים לא סימטריים.
האם אפשר לחשב Sharpe Ratio על Paper Trading?
כן, ומומלץ — זו אחת הדרכים הטובות ביותר להשוות בין ביצועי Backtesting לביצועים בזמן אמת. פער גדול בין Sharpe Ratio של הבקטסט לזה של Paper Trading הוא סימן אזהרה לבעיה באסטרטגיה או ביישום שלה.
כמה נתונים צריך כדי ש-Sharpe Ratio יהיה משמעותי?
ככל שיותר — עדיף לפחות שנה של נתונים יומיים, ועדיף יותר. Sharpe Ratio שמחושב על מדגם קטן (כמה שבועות) לא אמין סטטיסטית ויכול להשתנות דרמטית בתוספת נתונים.
מה Sharpe Ratio "טוב" עבור בוט מסחר פרטי מתחיל?
מעל 1.0 בבקטסט הוא יעד ריאלי וטוב לאסטרטגיה ראשונה. אם המספר יוצא הרבה מעל 2, כדאי לבדוק שוב את הנחות ה-Backtesting לפני שממשיכים ל-Paper Trading.