De Sharpe-ratio annualiseren: waarom √12 misleidt bij autocorrelatie

De Sharpe-ratio per periode is het gemiddelde excess rendement van een strategie boven de risicovrije rente, gedeeld door de standaarddeviatie van die periodieke excess rendementen. De risicovrije rente moet bij dezelfde frequentie en periode passen als het strategierendement. Een maandrendement vraagt dus om een risicovrije referentie die consistent naar een maand is omgerekend.

Het is een beschrijvende steekproefmaat, geen kans op winst en geen garantie voor toekomstige resultaten. William Sharpe licht de definitie en annualisering toe; de interpretatie hangt af van hoe rendementen worden gemeten en samengevoegd.

Bij maandgegevens wordt vaak gebruikt: jaar-Sharpe = maand-Sharpe × √12. Deze benadering veronderstelt onder meer een stabiel gemiddelde en stabiele variantie, en voor deze eenvoudige aggregatie geen autocorrelatie tussen perioden. Onafhankelijke, identiek verdeelde rendementen zijn een veelvoorkomende voldoende voorwaarde, maar niet de enige mogelijke specificatie.

Sharpe noemt zelf de voorwaarde van nulcorrelatie. Alleen maandelijkse data maakt √12 dus niet vanzelf geldig. Bij positieve autocorrelatie onderschat de onafhankelijkheidsaanname doorgaans het jaar-risico en overschat zij de geannualiseerde Sharpe-ratio; bij negatieve autocorrelatie kan de naïeve uitkomst juist te laag zijn.

Noem x_t het additieve maandelijkse excess rendement, γ_k = Cov(x_t, x_{t−k}) en ρ_k = γ_k/γ_0. Onder covariantiestationariteit geldt:

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

De Sharpe-ratio van het over q perioden geaggregeerde excess rendement wordt dan:

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

Dit is de tijdaggregatiecorrectie van Andrew Lo (2002), “The Statistics of Sharpe Ratios”. Positieve autocorrelatie vergroot doorgaans de variantie van de som en daarmee de noemer. Het gewicht neemt af bij grotere vertragingen, omdat ver uit elkaar liggende perioden minder vaak samen in dezelfde som van q perioden vallen.

Stel dat het gemiddelde maandelijkse excess rendement 0,4% is en de maandelijkse standaarddeviatie 2%. De maand-Sharpe is 0,20. Over twaalf maanden geeft de naïeve berekening 0,20 × √12 = 0,6928.

Neem vervolgens een volledig hypothetisch stationair AR(1)-proces met ρ₁ = 0,25 en ρ_k = 0,25^k voor de latere vertragingen. De correctieterm onder de wortel is ongeveer 1,592; de wortel daarvan is circa 1,262. De gecorrigeerde jaar-Sharpe komt dan uit op ongeveer 0,6928/1,262 = 0,549. In dit voorbeeld zijn de correlaties op latere vertragingen machten van 0,25; ρ₁ wordt niet voor elke vertraging herhaald. Dit is een rekenvoorbeeld, geen prognose.

Autocorrelatie kan echte persistentie of omkering in rendementen weerspiegelen. Ze kan ook ontstaan door overlappende aanhoudperioden, illiquide posities die zelden opnieuw worden gewaardeerd, verouderde prijzen, afgevlakte waarderingen of de opzet van de strategie zelf.

Deze oorzaken zijn niet hetzelfde. Onderzoek of de afhankelijkheid een economisch kenmerk van de strategie weergeeft of een meetartefact is. Een statistische correctie verandert een afgevlakte waardering niet in een uitvoerbare marktprijs.

Houd frequentie, definitie van excess rendement, bijbehorende risicovrije rente, bruto- of nettokosten, hefboom, dividend of funding, weging en aggregatieregel consistent. Wijzig de rendementsdefinitie niet ongemerkt wanneer u de Sharpe-ratio annualiseert.

Onder de genoemde aannames geldt de formule voor de additieve som van q periodieke excess rendementen. Een geometrisch samengesteld jaarrendement is een andere maatstaf. Vergelijk dat niet met de formule voor additieve aggregatie zonder het verschil uit te leggen.

Bij korte steekproeven zijn autocorrelaties, vooral op lange vertragingen, ruisgevoelig. Een waargenomen ρ₁ bewijst niet dat de rendementen een AR(1)-proces volgen. De aanname ρ_k = ρ₁^k is een aanvullende modelkeuze die u moet benoemen en onderbouwen.

Vermeld de steekproeflengte, gebruikte vertragingen, schattingsmethode en waar mogelijk betrouwbaarheidsintervallen of andere onzekerheidsmaten. Laat zien hoe gevoelig de uitkomst is voor alternatieve steekproefperioden en plausibele correlatieaannames.

Een tijdaggregatiecorrectie verhelpt geen strategieselectie of data snooping, regimewisselingen, dikke staarten, hefboom, liquiditeitsrisico of uitvoeringskosten. Ze beantwoordt een beperktere vraag: hoe geschatte seriële afhankelijkheid de variantie van een geaggregeerd rendement beïnvloedt.

Een gecorrigeerde Sharpe-ratio bewijst evenmin dat een strategie veiliger is of later beter zal presteren. Combineer haar met drawdowns, staart­risico, kosten, liquiditeit en toetsing buiten de selectiesteekproef. Rekenkundig en meetkundig gemiddeld rendement en maximale drawdown en herstel behandelen verwante, maar andere aspecten.

Leg de frequentie en rendementsdefinitie vast, plus de referentierente, bruto- of nettokosten, hefboom, steekproefperiode en naïef geannualiseerde Sharpe. Rapporteer daarna de geschatte autocorrelaties met vertragingen en methode, de gebruikte correctie met haar aannames, en een gevoeligheids- of onzekerheidsanalyse. Maak onderscheid tussen additieve aggregatie en samengesteld jaarrendement.

Vermeld ook of overlappende waarnemingen, illiquide prijzen of strategieselectie de meting kunnen beïnvloeden. Zie voor die laatste context bias-variantie-afweging en overfitting van financiële modellen. Sharpe (1994) en Lo (2002) bieden de definitie en statistische grondslag. Dit is een methodologische uitleg, geen beleggingsadvies.