月度夏普比率可以乘以√12吗？自相关与年化

夏普比率是每期平均超额收益率除以同一期收益率的标准差。对月度数据，每个月的超额收益率应为该月策略收益率减去与该月匹配的无风险收益率。不能不经换算就用年度无风险利率减月收益率。

它是对已观察样本的描述性估计，不是概率、收益保证，也不代表不会亏损。收益率定义、观测频率、样本期间或成本处理方式改变，结果也可能变化。

夏普在解释该比率时讨论了收益与波动的比较，以及年化所需的条件。阅读夏普本人的说明，还应核对统计量对应的时间单位和分母。

若月度超额收益率的均值和方差保持稳定，且不同月份之间不相关，那么12个月收益总和的均值是月均值的12倍，方差是月度方差的12倍。标准差因此乘以√12，年度夏普便等于月度夏普乘以√12。独立同分布（IID）是零相关的一种充分条件，但不是唯一条件。

关键除了均值和方差稳定，还要求跨月协方差为零。夏普对年化的说明也明确涉及这一零相关条件。如果收益率存在自相关，年度总和的标准差通常不会恰好按√12扩大。

设月度超额收益率为x_t，均值为μ，滞后k期协方差为γ_k = Cov(x_t, x_{t-k})。γ_0即月度方差。在协方差平稳的假设下，q个月度超额收益率之和的方差为：

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

滞后k期的自相关为ρ_k = γ_k / γ_0。q期总和的均值为qμ，因此聚合后的夏普比率为：

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

Lo（2002）的《The Statistics of Sharpe Ratios》给出了这一时间聚合修正。公式以递减权重纳入多个滞后期，而不是只看一阶自相关。

下面的数字只是为了展示计算机制而构造的假设例子，不是预测，也不代表实际绩效。假设月均超额收益率为0.4%，标准差为2%，则月度夏普为0.004 ÷ 0.02 = 0.20。

若假设没有自相关，简单年化结果为0.20 × √12 ≈ 0.693。现在改为假设一阶自相关ρ_1 = 0.25，并采用AR(1)模型。只有在这个模型假设下，后续自相关才是ρ_k = 0.25^k。把第1至第11阶代入公式，修正项分母约为1.262。

修正后的年度夏普约为0.20 × √12 ÷ 1.262 ≈ 0.549。这里并没有把0.25当作每个滞后期的自相关。各阶按幂次递减是本例的AR(1)假设，不应直接套用于实际策略。

序列相关可能来自真实的收益持续性或反转，也可能来自观测方式。持仓周期重叠、估值平滑、价格更新滞后，以及流动性不足资产的陈旧估值，都可能让收益序列显得更平滑。

策略本身也会引入依赖，例如持仓持续时间、再平衡频率和信号重叠。不要立刻把相关性解释成有利的“持续表现”；应先判断它源于经济机制，还是定价与抽样方式。

如果相关性来自估值平滑，观察到的波动可能低估风险。单独一个修正公式不能修复价格或估值数据质量。应先检查定价来源、时间戳和期间是否重叠。

保持收益率定义、币种、期间及采样频率一致。无风险收益率应与策略收益率频率匹配，并说明计算使用税费前还是税费后收益，以及如何处理分红、费用、资金费率和杠杆。中途改变成本口径，比较对象也就变了。

上面的公式针对q期超额收益率的加法汇总，并依赖协方差平稳等条件。它不一定等同于按复利计算的实际日历年度收益。不要在未说明时把加法总和与复利收益视作同一个量。

也要固定组合权重、现金余额、未实现盈亏和同时持有的仓位。说明测量对象与频率，才能让他人复核计算。

短样本中的自相关估计可能很嘈杂。滞后阶数越长，可用的观测配对越少；若把许多估计值放入修正公式，最终结果也可能不稳定。仅发现一阶自相关，并不能证明收益符合AR(1)。

记录样本长度、使用的滞后阶数、自相关估计方法和年化方式。展示合理地改变滞后阶数或估计方法后，结果是否敏感。比较不同策略时，也应提供置信区间或其他不确定性范围，避免夸大细小差异。

把估计出来的自相关当作已知常数，会带来虚假的精确感。数据越少，越需要同时报告结果、假设和不确定性。

时间聚合修正不会消除从大量候选策略中挑选表现最佳者所造成的偏差、数据窥探或非平稳性。未来市场环境若不同于样本期，均值、方差与相关性都可能变化。

夏普比率本身也不能充分描述尾部亏损、急剧回撤、杠杆、流动性或成交成本。修正后的数值较高，不等于未来更安全或表现更好。还应检查其他时期、更严格的成本假设和最大回撤。

比较收益聚合方法时，可读[算术平均与几何平均收益率](/zh-CN/learn/arithmetic-vs-geometric-average-returns-explained)；了解亏损路径可读[最大回撤与恢复比例](/zh-CN/learn/maximum-drawdown-and-recovery-percentage-explained)；策略筛选和过拟合问题可参考[金融模型中的偏差—方差权衡](/zh-CN/learn/bias-variance-tradeoff-financial-model-overfitting-explained)。

报告年化夏普比率前，应提供他人复算所需的信息。

• 注明收益频率、样本期间和观测数量。
• 说明超额收益定义及同频率的无风险收益率。
• 交代税费前后、分红、资金费率和杠杆的处理。
• 说明使用√q简单换算，还是纳入哪些滞后阶数的修正。
• 区分加法汇总和复利收益，并报告估计的不确定性。

如果报告只写“月度夏普×√12”，应先核实零相关假设是否合理。没有说明收益依赖关系如何估计及其局限时，不宜把该数值当成精确的年度风险调整绩效。