风险调整收益
定义
不看绝对收益，看每承担一单位风险换来多少收益。
两个判断原则，合起来就是全部：
- 收益率相近时：风险越小越好
- 风险水平相同时：收益率越高越好
听着像废话，但它排除了实操中最常见的错误——用绝对收益比较两个策略。
夏普比率
夏普比率 = (收益率 − 无风险利率) ÷ 标准差
无风险利率通常取 10 年期国债收益率（见 利率），分母是波动性。数值越高，单位风险换来的超额收益越多。
一个反直觉的算例
| 2 年收益 | 标准差 | 风险调整后 | |
|---|---|---|---|
| A 账户 | 30% | 15% | 2 |
| B 账户 | 21% | 7% | 3 |
绝对收益 A 赢（30% > 21%），风险调整后 B 更优（3 > 2）。
而且还有行为金融的第二层：高波动的 A 账户更容易让投资者中途止损，错失最终收益。也就是说，A 的 30% 很多人根本拿不到。
英伟达 2022–2023 年的巨幅波动里，多数投资者难以坚持持有——账面收益和你实际拿到的收益不是一回事。
它的边界
- 只能验证过去，不能预测未来——基金那句「过往业绩不代表未来表现」正源于此
- 用途是检验自己投资思路的成熟度：历史夏普比率稳定，说明策略有效，而不是运气好
- 必须配合其他指标
标准差
反映各期收益率与平均值的偏离程度。月标准差 10% 意味着该月可能 ±10% 波动。
数值越大 → 稳定性越差 → 风险越高，同时直接推高夏普比率的分母。
用体育比喻：只有进攻强（高收益）而防守弱（高风险）仍可能输球。
Beta
衡量组合相对大盘的波动性，测的是系统性风险（美股基准通常是标普 500）。
- β = 1：与大盘同步（大盘 ±10% → 组合 ±10%）
- β > 1：放大大盘波动
- β < 1：减震
它也是 CAPM 的核心输入——从组合管理走到资产定价，用的是同一个 β。
为什么这张卡对你特别重要
你的体系里有「风控优先 / 负成本 / 分散 / 跨市场」四条原则。这张卡提供的是把它们变成可测量数字的工具：
- 「风控优先」→ 夏普比率而非绝对收益作为自评标准
- 「分散」→ 标准差应该下降，否则分散是假的（见 适度分散 的相关性问题）
- 「跨市场」→ 组合 β 应该低于单市场，否则没有真正不同步（见 资产配置 第二步）
常见误用
- 用绝对收益自评。这是最普遍的错误，见上面 A/B 算例。
- 拿短期夏普比率下结论。样本太小时它主要反映运气。
- 只看夏普不看最大回撤。标准差把上涨波动也算作风险；对实际持有体验而言，回撤比波动更致命。
- 忽略”拿不到”的收益。高波动策略的历史收益里，有一部分是任何真人都坚持不下来的。
- 跨资产比 β。β 是相对某个基准的，换基准数值就变了。
作者怎么说
上面是概念本身（来自书房与书）；这里是 8 位作者在这个概念上实际说过什么，按时间倒序。 命中依据：concepts
风险调整收益×9。索引由backfill_concepts.py回填，口径见 _转写修正日志 同目录的说明。
TABLE author AS 作者, publish_date AS 日期, title AS 标题
FROM "金渐成/金渐成_md" OR "培风客/培风客_md" OR "十分吸引/十分吸引_md" OR "斯托伯/斯托伯_md" OR "晚舟/晚舟_md" OR "春秋研究院/春秋研究院_md" OR "格知研究/格知研究_md"
WHERE contains(concepts, "风险调整收益")
SORT publish_date DESC
LIMIT 40相邻概念
资产配置 · 输家的游戏 · 波动率 · VIX · CAPM · 风险溢价 · 风险敞口 · 适度分散
来源
- Rhino 会员第162期：机构思维五大指标（原版）—— 本卡主要来源：夏普比率、标准差、Beta 及算例
- 美投君：如何从量化风险提高收益（原版）
- 美投君：收益风险比思维（原版）
- 《Efficiently Inefficient》（Pedersen）—— 策略层面的风险调整收益与因子归因
- 《赢得输家的游戏》（埃利斯）第 11 章投资风险、第 15 章绩效评估
待验证问题
- 我的组合近 2 年夏普比率是多少？和沪深 300 / 标普 500 比如何？
- 我实际拿到的收益 vs 持仓账面收益差多少？（中途止损、换仓损耗）
- 我的跨市场配置让组合 β 降下来了吗？还是名义分散、实质同涨同跌？
- 这几个指标能不能进持仓看板？（marketdata 有行情，标准差和 β 可算）