Goetzmann, Ingersoll, Spiegel & Welch (2002) — 把夏普比率磨到最锋利

William Goetzmann（耶鲁管理学院）· Jonathan Ingersoll（耶鲁管理学院）· Matthew I. Spiegel（耶鲁管理学院）· Ivo Welch（耶鲁管理学院 + NBER） · NBER Working Paper No. 9116，2002 年 8 月 · 33 页 + 附录 本次归档: raw/papers/200209-sharpening-sharpe-ratios/ (paper.pdf 1.32 MB + extracted.md)

一句话核心

这篇论文不批评夏普比率，而是反过来求"能拿到多大夏普比率"：在允许卖期权的条件下，最大夏普比率组合的收益分布是右尾被截断、左尾厚重的反偏形态，等价于卖出一部分虚值看涨期权 + 卖出更多虚值看跌期权；结论是"用奖励-风险比考核基金经理"这件事本身可以被系统性地刷分——哪怕只有一个期权合约就能拿到全部可能提升的 86%。

问题与关键结构

论文分两类错误：

• 第一类错误（Type I）：好策略却有低夏普比率。作者用一个"完美选股"的思想实验说明——分析师能在行业内完美排序（知道通用汽车会跑赢福特，但不知道哪个行业更好），在每个行业内做空一半、做多一半。该策略收益恒为正，但夏普比率只有个位数。
• 第二类错误（Type II）：差策略却有高夏普比率。这才是论文的重点。

核心结论建立在最大夏普比率组合的构造上：把任意组合分解为无风险资产加一个零投资组合，最大化夏普比率等价于在给定期望超额收益下最小化组合的均方离差。一阶条件给出的最优解是风险中性概率与真实概率之比的线性函数——即最优收益在每个状态上正比于似然比 \hat p_i/p_i。由此，最大夏普比率的平方等于似然比平方的期望减一。

关键发现

（一）完全市场的最大夏普比率组合形状。

• 收益上端被截断、下端无界：x_i^* - \bar x \propto (\hat p_i/p_i - 1)——真实概率低于风险中性概率的状态收益低于均值，反之高于均值；两者的差距随似然比偏离 1 的程度放大。
• 与传统效用最优化解比较：最大夏普比率组合的总收益在中间区间高于效用最优组合，在很好和很坏的结果上都低于它——效用函数凹时 x_i^* 对 z_i^\circ 呈凹性。
• 若似然比有界，可用有限责任（limited liability）组合达到最大夏普比率；若无界，可无限逼近。

（二）正态基准下的数值。

• 基准（市场）夏普比率 0.450（S&P 500，1926–2000）时，最大夏普比率 0.474，高 5%；基准夏普 0.6 时最大 0.658，高近 10%；基准夏普 1.00 时最大 1.31。
• 最大夏普比率组合的收益分布是"反射的对数正态"：上界为 \bar x + \gamma，下端无界；对数收益 \ln x^* - \ln x^* 服从对数正态。

（三）对数正态基准下的数值与形态。

• 最大夏普比率随基准的风险溢价绝对值上升、随波动率下降；风险溢价与波动率同比例放大时，最大夏普比率不变；随投资期限 T 上升。
• 基准 \mu=15\%、r=5\%、\sigma=15\%、T=1 时，最大夏普比率组合与指数期望相同，但收益只在 约 −4% 到 25% 的区间里超过指数，而这段区间覆盖了近 60% 的概率质量；两端都明显低于指数。
• 收益分布负偏、高峰度，是"平缓的常规小盈利 + 偶尔的崩盘"的形状。作者把这称作"比索问题 (peso problem)"：既然如此，任何奖励高夏普比率的行业都会普遍存在比索问题。
• 若基准是对数-拉普lace分布，最大夏普比率组合同时消掉两端（收益在 \xi \ge e^{\hat\alpha} 与 \xi \le e^{\hat\alpha} 处都是常数）。

（四）只用一个期权就能拿到大部分提升。

参数 r=5\%、\mu=15\%、\sigma=15\%、T=1 时，指数夏普比率 0.631：

即一个期权合约拿到全部可能提升的 86%，两个期权拿到 96%。而且对行权价不敏感：用价内 5% 或价外 5% 的看涨期权分别能做到 0.716 与 0.694，两者同时用 0.737——近月期权流动性好、行权价价差通常不到 10%，所以普通看涨/看跌期权就够用了。

（五）动态加杠杆比静态构造更强。

• 若历史平均超额收益为负（图中 \bar x_h=-2\%），策略是极端加杠杆（\bar x_f\to\infty）；不过夏普比率对高期望收益不敏感，实践中不必真的极端。
• 若历史平均超额收益为正，则应把未来的期望超额收益设在接近历史均值处（附录给出精确公式）——历史夏普比率等于最大夏普比率时，未来期望超额收益应等于历史平均超额收益。
• 整期夏普比率在 S_h<0 时恒定，在 0.3 以上近乎线性，形状像期权价格。作者的推论：早期夏普比率波动大的策略更受欢迎，基金经理可以用未来的杠杆来修复早期表现。

（六）第一类错误的量级。

• 数据：Research Insight，1981–1999，每年 4 月在 1 位数 SIC 行业内选股（市值门槛为当年 S&P 水平除以 5.0，2000 年对应 2.5 亿美元；股价至少 5 美元）。
• 单个分析师的典型年化收益差约 20%–140%，单个行业平均收益约 64%；但收益波动从 SIC 2（建筑）的 9% 到 SIC 7（金融）的 31%，因此即便收益恒正，夏普比率也只有个位数。
• 公用事业（SIC 4）即使完美预知也只能做到 2.5；十个行业组合中有五个难以显著超过 3；把十个行业等权组合起来，夏普比率也只有 4.26。
• 作者由此给出"未被人为操纵的股票买入持有策略"的合理标尺：大约 −5 到 +5，而不是负无穷到正无穷。

（七）对实务的推论。

• 对冲基金业绩审查：应把高夏普比率经理的分布与最优操纵策略的分布作比较。论文以 2002 年 2 月《华尔街日报》报道的 Integral Investment Management 为例——该基金 1998 年宣称全行业最高夏普比率，秘密之一是卖美国股指的虚值看跌期权；芝加哥艺术学院最终损失近 4300 万美元。作者指出该基金（外加高水位费隐含的看涨期权空头）与论文推导的最优夏普比率合约形态相当接近。
• 对冲基金费率结构：高水位费合约在成立时相当于让投资者卖出 20% 的平值看涨期权，且基金表现差时这个头寸会变成虚值——期权形态本身就内含在对冲基金的报酬契约里。
• 小股票也受此影响：Glosten-Jagannathan (1994) 与 Low (1999) 指出小盘股相对大盘指数具有期权式特征（相当于卖出一部分看跌期权），因此它们的夏普比率与信息比率在结构上就偏高。
• 报告频率的影响：月夏普比率 0.6 的基金只需丢弃高于均值 1.54 个标准差的月度收益，且只有 5% 的收益被"浪费"；若改为直接用年度收益考核，则要丢弃高于均值 −1.14 个标准差的年度收益（讲义此处数字排版混乱，读作远低于均值的部分），超过 60% 的平均收益被浪费——报告期限越长，管理者越有自由裁量权去丢弃或挪动高收益。

重要 caveat

• 论文的"最优操纵"以允许卖期权为前提；论文自己指出在无衍生品约束的环境下（非对称业绩合约）问题会有所缓解，但也指出"给基金经理 20% 的看涨期权"这种不对称奖励本身又会进一步扭曲奖励-风险类指标。
• 完整市场的结论依赖风险中性概率与真实概率之比的有界性；无界时只能无限逼近。
• 具体数值例子依赖对数正态/正态假设；作者明说最大夏普比率组合的公式是完全一般的，但偏度、峰度等具体结论依赖对数正态假设。
• 第一类错误的实证受样本构造约束（SIC 分类、市值门槛、1981–1999），换设定结论量级可能变。
• 讲义式行文中的部分数字排版错乱（例如报告期限一段），引用前须回看 paper.pdf。

对 quant wiki 的意义

• 夏普比率的统计性质 页：本文从策略构造侧证明夏普比率可被系统性操纵，与 夏普比率 页引用的 Lo (2002) 抽样分布结论互为补充。
• 可复制性 vs 经济增量价值：最大夏普比率组合正是"用最少的合约复制出最好的指标"的极值版本，对判断"某个指标提升是否有真实经济含义"有直接方法论意义。
• 并购套利的空 put 风险：论文明确指出并购套乱的收益形态近似"空 put + 空 call"，与最大夏普比率合约同族。
• 对 风险平价 一类以夏普为目标的构造：本文提示夏普目标本身需要配合"能做什么"（是否可用衍生品）的约束，否则优化器会找到形状怪异的解。

相关概念

• 夏普比率的统计性质 —— 主概念页
• 夏普比率 —— 定义与常规统计性质
• 并购套利的空 put 风险 —— 同族形态的实际策略
• William Goetzmann · Jonathan Ingersoll · Matthew Spiegel