夏普比率
上次谈到，评估投资机会的优劣应该从收益期望和风险两方面综合考虑。如何量化这一思想呢？1950年代，有人提出用回报期望和波动性的比例作为衡量投资机会的指标。1966年，学者夏普（William Sharpe）在此基础上提出了著名的夏普比率（Sharpe Ratio）：
S = （R – r） / σ，
其中：R = 投资的回报期望值（平均回报率）
r = 无风险投资的回报率（可理解为投资国债的回报率）
σ = 回报率的标准方差（衡量波动性的最常用统计指标）
夏普比率S越高，投资机会的“质量”越高。举个例子：
甲投资：超额（超出国债）回报期望10%，标准差20%，夏普比率为0.5
乙投资：超额回报期望5%，标准差5%，夏普比率为1
乍一看，甲投资回报期望高，似乎是比较好的机会。其实乙投资更胜一筹（通常情况下），因为它的夏普比率高，意味着投资者用1个单位的“风险”能换取更多的回报期望。从杠杆投资的角度也可以得出同样的结论：假设投资者以r贷款利率融资，在乙投资机会上加1倍杠杆，那么“杠杆化”的乙投资就变成了10%回报期望，10%标准差，与甲投资的回报期望相同，而风险较小。
夏普比率多高才算“好”呢？我们来看一个实际的例子：美国股市的长期年平均回报率约为10%，波动性约为16%，无风险利率约为3.5%，因此夏普比率约为0.4（来源：维基百科）。翻译成白话就是：投资美股指数的年均回报率约比无风险利率高6.5%，但平均6年中有1年的回报率低于-6%（1倍标差之外）。
对于长线投资的散户而言，投资美股的风险/回报还算说的过去。如果是对冲基金经理，这样的夏普比率就太低了：假设你的目标是20%年回报率，就必须用2.5倍杠杆（回报期望 = 2.5*10% - 1.5*3.5% ≈ 20%），也就意味着平均6年中有1年的回报率将低于2.5*（10% - 16%）- 1.5*3.5% = -20%。你赔了超过20%，客户大概就要跑光了。
一般说来，夏普比率超过1才是“好游戏”。这种机会在“简单投资”中并不多见，因此职业投资者常常利用对冲手段“改造”投资游戏，提高夏普比率。
夏普比率也存在缺陷，它假设回报是正态分布，而实际的投资回报分布有“肥尾”（赔大钱的概率高于正态分布的估计），因此单纯根据夏普比率挑选投资机会存在问题，也容易被“操纵”。这个话题此处暂不展开讨论。
对普通投资者而言，夏普比率提示要从风险和回报的角度综合考虑，挑选“性价比”高的投资。这正是前面的文章中提到的观点：正回报的游戏要挑波动性小的，负回报的游戏如果非得玩，就挑波动性大的。总之，夏普比率越高越好。
