Annualizar el ratio de Sharpe: cuándo √12 falla con autocorrelación

El Sharpe por periodo es el exceso de rendimiento medio de una estrategia sobre la tasa sin riesgo, dividido por la desviación estándar de esos excesos periódicos. La tasa de referencia debe corresponder a la misma frecuencia y al mismo intervalo que el rendimiento de la estrategia. Un rendimiento mensual requiere una tasa sin riesgo convertida de forma coherente a un mes.

Es una estadística descriptiva de una muestra, no la probabilidad de obtener beneficios ni una garantía de resultados futuros. William Sharpe explica la definición y su anualización; su interpretación depende de cómo se midan y agreguen los rendimientos.

Para datos mensuales suele usarse: Sharpe anual = Sharpe mensual × √12. Esta aproximación presupone, entre otras cosas, una media y una varianza estables, además de ausencia de autocorrelación entre periodos para esta agregación sencilla. Que los rendimientos sean independientes e idénticamente distribuidos es una condición suficiente habitual, aunque no es la única especificación posible.

Sharpe señala la condición de correlación nula. Que los datos sean mensuales no basta para justificar √12. Con autocorrelación positiva, ignorarla suele subestimar el riesgo anual y sobreestimar el Sharpe anualizado; con autocorrelación negativa, el cálculo ingenuo puede subestimarlo.

Sea x_t el exceso de rendimiento mensual aditivo, γ_k = Cov(x_t, x_{t−k}) y ρ_k = γ_k/γ_0. Bajo estacionariedad en covarianza:

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

Por tanto, el Sharpe del exceso agregado durante q periodos es:

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

Esta es la corrección de agregación temporal de Andrew Lo (2002), «The Statistics of Sharpe Ratios». La autocorrelación positiva suele aumentar la varianza de la suma y, por tanto, el denominador. La ponderación disminuye con el rezago porque los periodos alejados tienen menos solapamiento dentro de una suma de q periodos.

Supongamos un exceso medio mensual del 0,4 % y una desviación estándar mensual del 2 %. El Sharpe mensual es 0,20. Para doce meses, el cálculo ingenuo da 0,20 × √12 = 0,6928.

Tomemos ahora un caso puramente hipotético de un proceso AR(1) estacionario, con ρ₁ = 0,25 y ρ_k = 0,25^k para los rezagos posteriores. El término dentro de la raíz de ajuste es aproximadamente 1,592; su raíz es cerca de 1,262. El Sharpe anual ajustado resulta aproximadamente 0,6928/1,262 = 0,549. En este ejemplo, las correlaciones de los demás rezagos son potencias de 0,25; no se repite ρ₁ en todos ellos. Es una ilustración matemática, no un pronóstico.

La autocorrelación puede reflejar persistencia o reversión genuinas. También puede deberse a periodos de tenencia solapados, posiciones ilíquidas valoradas con poca frecuencia, precios obsoletos, valoraciones suavizadas o a la propia construcción de la estrategia.

Estas causas no significan lo mismo. Investiga si la dependencia describe una característica económica de la estrategia o un artefacto de medición. Una corrección estadística no convierte una valoración suavizada en un precio ejecutable.

Usa de forma consistente la frecuencia, el exceso de rendimiento, la tasa sin riesgo correspondiente, los costes brutos o netos, el apalancamiento, los dividendos o la financiación, la ponderación y la regla de agregación. No cambies silenciosamente la definición del rendimiento al anualizar el Sharpe.

La fórmula anterior se aplica, bajo sus supuestos, a la suma aditiva de q excesos periódicos. Un rendimiento anual compuesto geométricamente es otra magnitud. No lo compares con la fórmula de agregación aditiva sin explicar la diferencia.

Con muestras cortas, las estimaciones —sobre todo en rezagos largos— son ruidosas. Observar ρ₁ no demuestra que los datos sigan un modelo AR(1). Suponer ρ_k = ρ₁^k es una hipótesis adicional que debe identificarse y justificarse.

Indica el tamaño de la muestra, los rezagos empleados, el método de estimación y, cuando sea posible, intervalos de confianza u otras medidas de incertidumbre. Muestra si el resultado cambia al usar otros periodos muestrales o supuestos de correlación plausibles.

La corrección temporal no elimina la selección de estrategias ni el data snooping, los cambios de régimen, las colas extremas, el apalancamiento, la iliquidez o los costes de ejecución. Responde a una pregunta más limitada: cómo afecta la dependencia serial estimada a la varianza del rendimiento agregado.

Un Sharpe corregido tampoco demuestra que una estrategia sea más segura o vaya a rendir mejor en el futuro. Complétalo con drawdowns, riesgos de cola, costes, liquidez y pruebas fuera de la muestra de selección. Media aritmética y geométrica de rendimientos y drawdown máximo y recuperación cubren cuestiones relacionadas, pero distintas.

Documenta la frecuencia y definición del rendimiento, la tasa de referencia, los costes brutos o netos, el apalancamiento, el periodo muestral y el Sharpe anualizado ingenuo. Después informa las autocorrelaciones estimadas, los rezagos y el método; la corrección aplicada y sus supuestos; y un análisis de sensibilidad o incertidumbre. Distingue la agregación aditiva del rendimiento anual compuesto.

Señala también si hay observaciones solapadas, precios ilíquidos o selección de estrategias que afecten a la medición. Para contextualizar esta última, consulta sesgo-varianza y sobreajuste de modelos. Sharpe (1994) y Lo (2002) ofrecen la definición y la base estadística. Este artículo explica un método; no es una recomendación de inversión.