去年賺 20% 的基金,不見得比賺 12% 的基金更值得買。關鍵在於這 20% 是承擔了多少波動、忍受了多深的虧損才換來的。單看報酬率,等於只看賽車跑多快,卻不管它有沒有隨時翻車的風險。風險調整報酬(risk-adjusted return)這一整套指標——夏普比率、索提諾比率、最大回撤、卡瑪比率——存在的意義,就是把「報酬」和「代價」放在同一個天平上量。看懂它們,你才能在兩檔看似都賺錢的商品之間,做出真正理性的取捨。
📖 學
為什麼報酬一定要除以風險才有意義
報酬率本身是一個「不完整」的數字。假設 A 策略一年賺 15%,B 策略一年賺 15%,帳面上打成平手。但如果 A 的淨值一路平穩上升,B 卻在中間一度跌掉 40% 才反彈回來,那麼這兩個 15% 的品質天差地遠。B 的持有人很可能在最低點恐慌賣出,根本吃不到後面的反彈;而且 B 用了更高的槓桿或波動去「賭」出這個報酬,一旦運氣反轉,虧損也會等比放大。
風險調整報酬的核心邏輯,是把報酬視為「分子」,把承擔的風險視為「分母」,兩者相除得到「每承擔一單位風險,能換到多少報酬」。這個比值越高,代表投資效率越好——同樣的報酬花更少風險換到,或同樣的風險換到更多報酬。專業機構在評比基金經理人時,幾乎從不單看絕對報酬,而是看這一類效率指標,因為只有效率指標能防止「靠承擔過度風險僥倖獲勝」的假象。
散戶最常犯的錯,就是被排行榜上的年度報酬率吸引而重押,卻沒問一句:這個報酬背後的波動與回撤有多大?一旦市場進入逆風,高風險策略的跌幅往往也名列前茅,先前的漲幅可能瞬間吐回去。學會用比率思考,是從「看報酬」進化到「看報酬品質」的分水嶺。
夏普比率:風險調整報酬的基準
夏普比率(Sharpe ratio)是這一切的起點,由諾貝爾經濟學獎得主 William Sharpe 於 1966 年提出,至今仍是業界最通用的風險調整報酬指標。它的定義是:投資組合的「超額報酬」除以其報酬的「標準差」。
公式寫成:
夏普比率 =(投資組合報酬 − 無風險利率)÷ 報酬的標準差
分子的「投資組合報酬 − 無風險利率」稱為超額報酬(excess return),意思是扣掉「完全不冒險也能拿到的報酬」之後,你真正靠承擔風險賺到的部分。分母的標準差則衡量報酬上下波動的劇烈程度,是這裡的「風險」代理變數。整個比率的白話解讀就是:每多承擔一單位的波動風險,你額外賺到多少超額報酬。
一般的解讀慣例是:夏普比率大於 1 算不錯,大於 2 相當好,大於 3 則屬優異;低於 1 則代表承擔的波動相對於超額報酬並不划算。不過這些門檻只是粗略參考,真正有意義的用法是「拿同類資產互相比較」——例如比較兩檔台股主動型基金、或兩個回測過的量化策略,而不是拿股票基金去跟債券基金比絕對數字。
無風險利率扮演什麼角色
無風險利率(risk-free rate)是夏普比率分子裡的關鍵基準,它代表「不承擔違約風險就能拿到的報酬」,實務上通常用短天期公債殖利率當作代理,例如美國會用短期國庫券(T-bill),台灣則常參考短天期政府公債或定存利率。它的意義在於設定一條「機會成本」的底線:如果你的投資扣掉無風險利率後所剩無幾,那麼承擔市場波動就顯得不值得,因為你大可把錢放在幾乎零風險的地方拿到差不多的報酬。
無風險利率的高低會直接影響夏普比率的結果。在升息環境下,無風險利率走高,超額報酬的分子被壓縮,同一檔基金的夏普比率會下降;反之在低利率時代,分子被墊高,比率容易好看。這也是為什麼跨越不同利率環境比較歷史夏普比率時要格外小心——2021 年的高夏普和 2026 年的高夏普,背後的無風險利率基準可能完全不同。
標準差當風險的侷限
夏普比率用標準差衡量風險,而標準差有一個先天的盲點:它把「向上的波動」和「向下的波動」一視同仁。對投資人而言,淨值大漲其實是好事,但在標準差的計算裡,大漲和大跌都算「波動」,都會讓分母變大、夏普比率變差。這等於懲罰了那些「漲得兇但很少大跌」的策略,並不完全符合投資人真正在意的風險——多數人怕的是虧錢,不是賺太多。
夏普比率還有幾個常被忽略的限制。第一,它假設報酬服從常態分配(鐘形曲線),但真實市場常出現「肥尾」與偏態,極端崩跌發生的頻率遠高於常態分配的預期,標準差會低估尾端風險。第二,它只看波動,忽略了流動性風險、回撤風險等其他面向;一個平時波動很小、卻可能突然巨額虧損的策略(例如賣出價外選擇權),夏普比率可能非常漂亮,直到爆倉那一天。第三,夏普比率的統計雜訊很大,用短期資料算出來的數字標準誤差往往比數值本身還大,不能只看一兩年就下定論。認識這些侷限,才不會把夏普比率當成唯一真理。
索提諾比率:只算讓你心痛的那一半波動
索提諾比率(Sortino ratio)是為了修正夏普比率「賞罰不分」的問題而生。它的結構和夏普幾乎一樣,唯一差別在分母:夏普用「全部報酬的標準差」,索提諾則只用「下檔波動」(downside deviation)——也就是只計算低於某個目標報酬(通常是無風險利率或零)的那些負向波動。
索提諾比率 =(投資組合報酬 − 無風險利率)÷ 下檔標準差
這個調整背後的哲學很直觀:投資人真正害怕的是虧損,而不是獲利的起伏。一檔基金如果經常大漲、偶爾小跌,在夏普比率下會因為「漲太兇」而被扣分,但在索提諾比率下,那些向上的波動不計入分母,反而能真實反映它「下檔控制良好」的優點。因此對於報酬分布明顯不對稱、或波動偏向上行的策略,索提諾比率往往比夏普比率更能呈現真實的風險品質。
實務上,同一檔標的的索提諾比率通常會高於夏普比率,因為分母(只算下檔)比全體波動小。所以比較時務必「用同一種比率互比」,不能拿 A 的索提諾去比 B 的夏普。索提諾比率特別適合用來評估對沖策略、選擇權策略等報酬分布不對稱的商品。
最大回撤:你要能睡得著的那條底線
最大回撤(Maximum Drawdown,簡稱 MDD)不是比率,而是一個絕對的痛感指標,衡量的是「淨值從最高點跌到最低點的最大跌幅百分比」。舉例來說,一檔基金淨值從 100 漲到 150,再一路跌到 90,那麼它的最大回撤就是從高點 150 跌到 90,約 −40%。它捕捉的是最壞情況下你的帳戶會縮水多少,是所有指標裡最貼近人性、最能預測「你會不會半路嚇到停損」的數字。
最大回撤的重要性在於它揭露了報酬曲線的「深水區」。兩檔年化報酬都是 12% 的基金,如果 A 的最大回撤是 −15%、B 是 −45%,那麼 B 的持有人在最低點承受的心理壓力和實際帳面虧損遠大於 A,而且回撤越深,要漲回原點需要的報酬越誇張——跌 50% 需要漲 100% 才回本,跌 20% 只需要漲 25%。這種「回本不對稱」是最大回撤讓人聞之色變的原因。對於使用槓桿或計畫短期用錢的投資人,最大回撤甚至比報酬率更該優先檢視。
卡瑪比率:用回撤當風險的效率指標
卡瑪比率(Calmar ratio)把最大回撤直接搬進分母,衡量「每承擔一單位的最深回撤,能換到多少年化報酬」。它的公式是:
卡瑪比率 = 年化報酬(CAGR)÷ 最大回撤絕對值
例如一個策略年化報酬 20%、最大回撤 40%,卡瑪比率就是 20 ÷ 40 = 0.5;若另一個策略年化報酬 15%、最大回撤 15%,卡瑪比率就是 1.0,效率明顯更高。卡瑪比率越高,代表你為了追求報酬所忍受的「最痛一跌」相對越小。
卡瑪比率被視為比索提諾更嚴格的下檔衡量,因為它只盯著「最糟的那一次」,不看整段期間的下檔波動平均。這讓它特別適合用來評估「你最怕的是崩盤」的情境,也常用於期貨管理帳戶(CTA)、趨勢跟隨等策略的評比。三個比率各有側重:夏普看整體波動、索提諾看下檔波動、卡瑪看最深單次回撤,合起來看才能拼出完整的風險輪廓。實務上一般以三年資料計算卡瑪比率較為穩健。
年化換算:讓不同週期的數字可以公平比較
年化(annualization)是使用這些比率前必須處理的技術細節。原因在於報酬和標準差都會隨衡量週期而不同——用日資料、月資料、年資料算出來的原始數字無法直接互比,必須換算成統一的年度基準。常見的換算是把週期報酬乘以每年的期數,把標準差乘以「期數的平方根」。
以月資料為例,年化報酬約等於月報酬乘以 12,而年化標準差約等於月標準差乘以 √12(約 3.46)。因此年化夏普比率的常見換算是「用月報酬算出的夏普比率 × √12」。用日資料時,一年約以 252 個交易日計,標準差就乘以 √252(約 15.87)。這個「標準差只開根號放大」的特性,反映了波動隨時間累積的速度慢於報酬的線性累積,是統計上的重要性質。
年化的實務意義在於防止被「週期障眼法」誤導:一個看起來夏普 0.3 的數字,如果是日夏普,年化後可能高達 4.8,屬於極優異等級。因此看到任何比率,第一步都要確認它是不是年化的、用什麼週期資料算的,否則跨商品比較毫無意義。多數基金公開資料揭露的夏普比率預設就是年化值,但自己回測策略時務必自己做這一步。
散戶如何實際運用來比較基金與策略
實務比較的第一原則是「同類、同期、同指標」。要比就比同一類資產(例如都是台股基金、或都是美股 ETF)、同一段時間區間、同一種比率。拿股票基金的夏普去比債券基金的夏普沒有意義,拿 A 的三年夏普比 B 的一年夏普也不公平。多數基金平台(如晨星 Morningstar、各投信網站)都會揭露夏普比率與標準差,可以直接取用,但務必確認計算期間一致。
第二,善用「一組指標」而非單一數字。先用夏普比率做整體效率的初篩,再用索提諾檢查它的報酬是不是靠「上下亂跳」堆出來的,最後一定要看最大回撤問自己:「這個跌幅發生時,我扛得住嗎?」如果某檔基金夏普漂亮但最大回撤是 −50%,而你三年後就要用這筆錢付頭期款,那它再高的夏普對你也不適合。指標是工具,最終要對齊你自己的風險承受度與資金用途。
第三,警惕「短期高比率」的陷阱。牛市裡幾乎所有股票策略的夏普都很好看,因為分母(波動)在單邊上漲時被壓得很低;真正的考驗是把時間拉長,涵蓋一次完整的多空循環,看指標能不能維持。理想上至少要看三到五年、且橫跨一次明顯回檔的資料。同時記得,這些都是「後照鏡」指標,反映的是過去的風險效率,不保證未來,絕不能因為某檔基金過去夏普高就無腦重押。
🧠 記
- 風險調整報酬的核心是「報酬 ÷ 風險」,衡量每承擔一單位風險換到多少報酬,比單看報酬率更能反映投資品質。
- 夏普比率 =(組合報酬 − 無風險利率)÷ 標準差;業界慣例大於 1 不錯、大於 2 好、大於 3 優異,但僅供同類比較參考。
- 無風險利率是機會成本底線,升息時分子被壓縮會拉低夏普比率,跨利率環境比較歷史數字要小心。
- 標準差當風險的最大侷限:它把上漲和下跌的波動同等看待,並假設常態分配、低估肥尾與尾端崩跌風險。
- 索提諾比率把分母換成「只算下檔波動」,更貼近投資人「只怕虧損不怕賺太多」的真實心理,適合報酬分布不對稱的策略。
- 最大回撤(MDD)是淨值從高點到低點的最大跌幅,回本具不對稱性(跌 50% 要漲 100% 才回本),最能預測人是否會半路嚇跑。
- 卡瑪比率 = 年化報酬 ÷ 最大回撤,只盯「最痛一跌」,是比索提諾更嚴格的下檔效率指標。
- 年化換算讓不同週期可比:報酬 × 期數、標準差 × √期數(月資料 √12、日資料 √252);看任何比率先確認是否年化。
✍️ 實踐
- 挑出你現在持有或考慮的兩檔同類基金/ETF,到晨星或投信網站查出各自的「夏普比率」與「標準差」,把兩組數字並排寫下來,確認計算期間一致。
- 針對這兩檔,再找出各自的「最大回撤」數字,問自己一個具體問題:如果這個跌幅明天就發生,以你目前的資金用途,你扛得住還是會賣在低點?把答案寫下來。
- 用月報酬自己算一次年化夏普:抓某檔標的最近 36 個月報酬,算出月平均超額報酬與月標準差,相除後乘以 √12,對照官方揭露值檢查你算得對不對。
- 找一檔你覺得「漲很兇」的標的,同時查它的夏普與索提諾比率,觀察兩者差距。差距越大,代表它的波動越偏向上行——理解這個差異如何改變你對它的評價。
- 建立一張個人「比率對照表」,欄位包含:標的、期間、年化報酬、標準差、夏普、最大回撤,把候選標的填進去,強迫自己每次決策都同時看報酬與風險兩欄。
- 刻意檢查一檔「牛市明星」基金的比率,把時間區間拉到涵蓋 2022 年那次下跌,看它的夏普與最大回撤在逆風期變成什麼樣子,體會「短期高比率」的脆弱。
🔗 延伸學習
- Sharpe ratio - Wikipedia
- Sharpe Ratio - How to Calculate Risk Adjusted Return (Corporate Finance Institute)
- Calmar Ratio: Definition, Formula and Calculator (QuantifiedStrategies)
- Sharpe vs. Sortino vs. Calmar — Risk Adjusted Return (OptimizedPortfolio)
💬 問 AI
我想用風險調整報酬的角度比較我的投資選項,請幫我拆解。
我的情況：
- 比較的標的（待填，例：A 台股主動基金 vs B 台股 ETF）
- 各自的年化報酬 / 標準差 / 夏普 / 最大回撤（待填，若不知道請教我去哪查）
- 這筆錢的用途與預計持有期間（待填）
- 我的風險承受度（待填：能忍受最大跌幅約幾 %）
請具體做到 3 點：
1. 用夏普、索提諾、最大回撤三個角度,分別說明這兩檔的差異代表什麼,哪一檔的「報酬品質」較好。
2. 指出我提供的數字若期間不一致或非年化,會如何誤導比較,並告訴我正確的比較方式。
3. 結合我的資金用途與風險承受度,給出「哪一檔比較適合我」的判斷邏輯(不是報明牌,而是教我怎麼想)。
僅供教育與資訊參考,不構成投資建議。