什么是夏普比率？
夏普比率等于(投资组合回报减去无风险利率)除以投资组合标准差。如果一只基金回报 12%，波动率 15%，无风险利率为 3%，夏普比率为 0.60。更高的夏普比率表示更好的风险调整后表现。超过 1.0 被认为是好的，超过 2.0 是优秀的。
这个指标有明确的出处。1966 年由威廉·夏普提出，算式是 (基金回报 - 无风险资产回报) ÷ 标准偏差，无风险回报通常取短期国债利率，在日本则常用无担保隔夜拆借利率。它要问的是：这份回报是否配得上为它承担的风险 - 回报高但波动同样高，并不算高效；回报低但波动低得多，反而是高效的运作。把风险水平不同的基金放在同一把尺子上比较，这正是它最大的长处。
数值的读法与具体计算例
常用的档位很简单：1.0 以上为优秀，0.5-1.0 为良好，低于 0.5 有改善余地，0 及以下则不如无风险资产。拿两只基金算一遍。基金 A 年回报 8%、标准偏差 15%，无风险回报为 0.5% 时，夏普比率是 (8 - 0.5) ÷ 15 = 0.50。基金 B 年回报 5%、标准偏差 5%，夏普比率是 (5 - 0.5) ÷ 5 = 0.90。
只看回报，基金 A (8%) 高于基金 B (5%)；看夏普比率，基金 B (0.90) 则大幅高于基金 A (0.50) - 这说明 B 把风险转换成回报的效率高得多。把 B 的风险水平提到与 A 相同会更直观：3 倍杠杆下标准偏差达到 15%，期望回报达到 13.5%，远超基金 A 的 8%。夏普比率讲的不是波动小不小，而是一单位风险买到了多少回报。
使用夏普比率
夏普比率允许公平比较不同风险水平的投资。一只回报 8%、波动率 10% 的基金(夏普 0.50)实际上比一只回报 15%、波动率 25% 的基金(夏普 0.48)风险调整后表现更好。标普 500 在长期内历史上的夏普比率约为 0.40-0.50。
这种比较在同一类别之内最有效。例如要从全球股票指数基金里挑选，除了回报与信托报酬，还应看夏普比率 - 追踪同一指数的两只基金，跟踪误差不同，夏普比率就会有差。晨星与 Wealth Advisor 等基金评价机构会公布 3 年、5 年、10 年的数值，5 年以上的长期数值能剔除某一段有利行情的影响。即便如此，过去的高数值也不保证未来的 5 年同样如此，因此它只是参考材料，而不是结论本身。
关键注意事项
夏普比率对上行波动和下行波动的惩罚相同，这可能不符合投资者的偏好。索提诺比率通过仅考虑下行偏差来解决这个问题。夏普比率对所选时间段也很敏感 - 一只基金在 3 年内可能看起来优秀，但在 10 年内表现平庸。始终在多个市场周期中评估。
第二个限制是跨资产类别的比较。债券基金标准偏差小，回报不高也容易得出较高的夏普比率；据此把债券基金与股票基金并列，断言债券基金更优，并不是恰当的读法。原则是在同一资产类别内比较。同样的警惕也适用于数值本身：它由过去的数据算出，描述的是已经发生的事，而不是基金接下来会怎么走。
优点、缺点与替代指标
优点在于压缩。一个数字同时承载风险与回报，比较多只基金时不必在脑中并排维护两套排名、再猜该如何取舍。同样的算法在组合层面也成立：计算整个资产配置的夏普比率，能把配置选择变成可以衡量的事 - 让比率上升的组合，就是每单位风险交付了更多回报的组合。
缺点落在分母上，因为标准偏差把上涨与下跌当作同一种风险。索提诺比率的回答是只用下方偏差，把焦点放在投资者真正在意的下跌上。信息比率则换了一个切法 - 相对基准的超额回报除以跟踪误差 - 更适合主动型基金，因为那里要问的不是总波动，而是管理人是否稳定地战胜了指数，值得承担这份偏离。
来历与在现代投资理论中的位置
它的血脉来自夏普本人的研究。他在 1964 年发表资本资产定价模型 (CAPM)，从理论上把风险与回报的关系形式化；1966 年又提出这个比率 (最初称为报酬对变动性比率)，作为该模型的实务对应物。1990 年他获得诺贝尔经济学奖。这个顺序很重要：夏普比率不是事后拼上去的筛选技巧，而是一套奠基理论的应用面。
它至今仍是最基本的基金评价指标。智能投顾的算法以夏普比率最大化为目标函数来优化组合，这也是为什么两家服务在同样的风险画像下常给出相似的配置。对个人投资者来说，理解这个概念是走向理性判断的第一步 - 那种同时权衡所承担风险、而不只看回报的判断。