Annualiser le ratio de Sharpe : pourquoi √12 peut tromper avec l’autocorrélation

Le Sharpe par période est l’excès de rendement moyen d’une stratégie par rapport au taux sans risque, divisé par l’écart-type de ces excès périodiques. Le taux sans risque doit correspondre à la même fréquence et au même intervalle que le rendement de la stratégie. Un rendement mensuel appelle un taux de référence converti de façon cohérente au mois.

Il s’agit d’une statistique descriptive d’un échantillon, ni d’une probabilité de gain ni d’une garantie de performance future. William Sharpe présente la définition et son annualisation ; son interprétation dépend de la mesure et de l’agrégation des rendements.

Pour des données mensuelles, la convention courante est : Sharpe annuel = Sharpe mensuel × √12. Cette approximation suppose notamment une moyenne et une variance stables, ainsi que l’absence d’autocorrélation entre périodes pour cette agrégation simple. Des rendements indépendants et identiquement distribués constituent une condition suffisante fréquente, sans être la seule spécification possible.

Sharpe lui-même mentionne la condition de corrélation nulle. La fréquence mensuelle, à elle seule, ne justifie pas √12. Avec une autocorrélation positive, l’ignorer tend à sous-estimer le risque annuel et à surestimer le Sharpe annualisé ; avec une autocorrélation négative, le calcul naïf peut le sous-estimer.

Notons x_t l’excès de rendement mensuel additif, γ_k = Cov(x_t, x_{t−k}) et ρ_k = γ_k/γ_0. Sous stationnarité des covariances :

Var(Σ x_t, t=1…q) = qγ_0 + 2Σ_{k=1}^{q−1}(q−k)γ_k.

Le Sharpe de l’excès agrégé sur q périodes devient alors :

SR_q = √q × SR_1 / √(1 + 2Σ_{k=1}^{q−1}(1−k/q)ρ_k).

C’est la correction d’agrégation temporelle de Andrew Lo (2002), « The Statistics of Sharpe Ratios ». Une autocorrélation positive augmente généralement la variance de la somme, donc son dénominateur. Le poids diminue avec le retard, car des périodes éloignées ont moins de chances d’entrer ensemble dans une même somme de q périodes.

Supposons un excès moyen mensuel de 0,4 % et un écart-type mensuel de 2 %. Le Sharpe mensuel vaut 0,20. Sur douze mois, le calcul naïf donne 0,20 × √12 = 0,6928.

Prenons un cas entièrement hypothétique d’un processus AR(1) stationnaire, avec ρ₁ = 0,25 et ρ_k = 0,25^k pour les retards suivants. Le terme de correction sous la racine vaut environ 1,592 ; sa racine est proche de 1,262. Le Sharpe annuel ajusté est donc d’environ 0,6928/1,262 = 0,549. Dans cet exemple, les corrélations aux retards suivants sont des puissances de 0,25 ; ρ₁ n’est pas répété à l’identique pour tous les retards. Il s’agit d’une illustration de calcul, pas d’une prévision.

L’autocorrélation peut refléter une persistance ou un retournement économique réel. Elle peut aussi venir d’observations à périodes de détention chevauchantes, de positions illiquides réévaluées rarement, de prix périmés, de valorisations lissées ou de la construction de la stratégie elle-même.

Ces causes ne sont pas équivalentes. Cherchez à savoir si la dépendance décrit une caractéristique économique de la stratégie ou un artefact de mesure. Une correction statistique ne transforme pas une valeur lissée en prix auquel une transaction est exécutable.

Conservez la même fréquence, la définition de l’excès de rendement, le taux sans risque correspondant, les coûts bruts ou nets, le levier, les dividendes ou le financement, la pondération et la règle d’agrégation. Ne changez pas implicitement la définition des rendements en annualisant le Sharpe.

Sous ses hypothèses, la formule s’applique à la somme additive de q excès périodiques. Un rendement annuel composé géométriquement est une autre mesure. Ne le comparez pas à cette formule d’agrégation additive sans expliquer la différence.

Avec un échantillon court, les estimations, surtout aux retards longs, sont bruitées. Observer ρ₁ ne suffit pas à conclure que les rendements suivent un modèle AR(1). Poser ρ_k = ρ₁^k est une hypothèse supplémentaire, à signaler et à justifier.

Indiquez la longueur de l’échantillon, les retards utilisés, la méthode d’estimation et, si possible, des intervalles de confiance ou une autre mesure d’incertitude. Montrez la sensibilité du résultat aux périodes d’échantillonnage et aux hypothèses de corrélation plausibles.

La correction temporelle n’élimine ni le choix de stratégie et le data snooping, ni les ruptures de régime, les queues épaisses, le levier, l’illiquidité ou les coûts d’exécution. Elle répond à une question plus étroite : l’effet de la dépendance sérielle estimée sur la variance du rendement agrégé.

Un Sharpe corrigé ne prouve pas davantage qu’une stratégie est plus sûre ou qu’elle fera mieux à l’avenir. Complétez-le par les drawdowns, les risques de queue, les coûts, la liquidité et une évaluation hors de l’échantillon de sélection. Moyennes arithmétique et géométrique des rendements et drawdown maximal et récupération traitent de dimensions connexes, mais différentes.

Documentez la fréquence et la définition des rendements, le taux de référence, les coûts bruts ou nets, le levier, la période d’échantillonnage et le Sharpe annualisé naïf. Présentez ensuite les autocorrélations estimées, les retards et la méthode, la correction et ses hypothèses, ainsi qu’une analyse de sensibilité ou d’incertitude. Distinguez l’agrégation additive du rendement annuel composé.

Précisez aussi si des observations chevauchantes, des prix illiquides ou la sélection de stratégie peuvent affecter la mesure. Pour ce dernier point, voir compromis biais-variance et surajustement des modèles. Sharpe (1994) et Lo (2002) donnent la définition et le fondement statistique. Cette explication de méthode n’est pas un conseil en investissement.