Sharpe ratio（シャープレシオ）——本当に測るものと、どこで通用しないか

Sharpe ratio（シャープレシオ）は、年金基金から個人のプロップファームまで、資金運用の世界でリスク調整後リターンを測る指標として最も頻繁に引用されます。式は驚くほど単純で、リターンから無リスク金利を引き、それをリターンの標準偏差で割るだけです。この一つの数字が、引き受けたボラティリティ一単位あたりに、どれだけの超過利益を手にできたかを教えてくれます。多くの初心者が見落とす落とし穴は、前提条件と計測する時間枠にあり、本記事の中心はまさにそこにあります。

Sharpe ratioの起源と、それが実際に測っているもの

William F. Sharpeは1966年、Journal of Businessに発表した論文「Mutual Fund Performance」で最初のバージョンを示し、当初これをreward-to-variability ratioと呼びました。彼は資本資産価格モデル（CAPM）に関する業績で1990年のノーベル経済学賞を受賞し、その4年後にJournal of Portfolio Managementで指標を再検討して、現在の呼び名に落ち着きました。今日の式は、ポートフォリオのリターンから無リスク金利（通常は短期国債の利回り）を引き、それを超過リターンの標準偏差で割ったものです。

ここでの問いは「いくら稼いだか」ではなく、「安全な金融商品が支払ったであろう水準を、どれだけ上回って稼いだか」、そして「その道中でどれだけ揺さぶられたか」です。標準偏差10パーセントで年率30パーセントを上げる戦略は、標準偏差30パーセントで年率50パーセントを上げる戦略より、この視点では優れて見えます。ボラティリティ一単位あたり、より多くの超過リターンを引き出しているからです。機関投資家がファクトシートにSharpe ratioを載せるのは、株式ファンドと債券ファンド、あるいはシステマティックな先物プログラムとバランス型ポートフォリオのように、リターンの性質がまるで異なる対象どうしでも比較できるからです。リスクとリターンの基本的な関係については、リスク管理の入門もあわせてご覧ください。

式を平易な言葉で——何を入れればよいか

分子は、年率換算したポートフォリオの平均リターンと無リスク金利の差です。分母は、超過リターンの年率換算した標準偏差です。実務では日次あるいは月次の成績から計算します。対数リターンを取り、平均と標準偏差を求め、それを年単位にスケールします。平均には1年あたりの期間数（日次なら252、月次なら12）を掛け、標準偏差にはその同じ数の平方根を掛けます。出てくるのは、たとえばSharpe 1.4のような無次元の数字です。

無リスク金利の側には何を入れるのでしょうか。戦略と同じ通貨建ての短期国債の利回りです。ドル建て戦略なら3か月物のTreasury bill利回り、ズロチ建てのポートフォリオなら短期のポーランド国債やWIBORレートです。連邦準備制度が金利をゼロ近くに据え置いた2020年は、短期金利が5パーセント近くを支払っていた2024年とは、分母の姿が違いました。同じ戦略でも、金融サイクルの両極では二つの異なるSharpe ratioを示しうるのです。

実際に「良い数字」とは何か

業界で最も繰り返される基準はこうです。1.0を下回る数字は弱い。おおむね1.0から1.5は許容範囲。1.5から2.0の帯は堅実とみなされます。2.0超は優秀。3.0超に達すれば機関投資家の領域です。S&P 500そのものは、数十年の窓で測るとおよそ0.4から0.6に着地します。株式には相応のボラティリティがあるからです。平均的なヘッジファンドはおよそ0.8から1.0のSharpeを報告します。Renaissance TechnologiesのMedallionファンドは何年も2.5前後で推移してきました——アナリストが端的に例外的とみなす数字です。

myfxbookの3年分のデータでSharpe 2.0を示す個人トレーダーは、それだけでは大したことを証明できていません。窓は短く、サンプルは小さく、数字は相場局面に大きく左右されます。きれいなトレンド局面で集めた6か月のSharpe 3.0は、持続的なエッジの証拠というより統計的な偶然かもしれません。機関投資家のアナリストは通常、最低でも36か月の窓、理想的には一つの完全な市場サイクルを含む窓を求めます。

「Sharpe ratioは、投資パフォーマンスを測る指標として最も頻繁に引用されるものの一つである。理由の一つはそれが非常に単純だからであり、もう一つは、この指標が追加リターンと追加リスクのトレードオフを直接示すからである。」 — William F. Sharpe, 1994

数字で追う計算例

あくまで説明のための例です。3年の窓で二つの戦略を検証したとします。第一の戦略は標準偏差16パーセントで年24パーセントを稼ぎます。第二の戦略は標準偏差5パーセントで年12パーセントを稼ぎます。無リスク金利は4パーセントです。第一の戦略では、超過リターン20パーセントポイントをボラティリティ16で割って、Sharpeは1.25になります。第二の戦略では、8を5で割ってSharpeは1.6になります。第二の戦略は半分しか稼いでいないにもかかわらず、この視点では優れて見えます。ボラティリティ一単位からより多くの超過リターンを絞り出しているからです。

新しいトレーダーがよく見落とす実務的な直感があります。第一の戦略でポジションサイズを半分にすると、超過リターンは10パーセント、ボラティリティは8パーセントに下がりますが、Sharpeは1.25のままです——この比率は絶対的な水準ではなく、関係性だからです。レバレッジやポジションサイズそれ自体は、Sharpe ratioを変えません。変えるのはエッジの質、つまり期待リターンとリスクの比率が根本的に優れているかどうかです。リスクとリターンの比率という考え方は、基本的な概念の解説でも扱っています。

心に留めておくべき三つの既知の限界

第一の問題。この比率は両方向のボラティリティを罰します。プラス15パーセントの月が一度あれば、深い損失とまったく同じだけ標準偏差を膨らませます。Sharpeは「良い」ボラティリティと「悪い」ボラティリティを同じものとして扱うのです。だからこそFrank A. Sortinoは1990年代半ばに、分母が下方偏差だけを数える代替案を提唱しました。Sortino ratioや他の指標との使い分けは、リスク管理のカテゴリで扱う他の記事が詳しく説明しています。

第二の問題。この式はリターンが正規分布に従うと仮定します。金融市場は——とりわけ新興国通貨や商品のCFDは——ファットテールを示します。2015年1月のスイスフランの急変、2020年3月のクラッシュ、2018年のトルコリラ。いずれも平均から極端に離れた結果であり、古典的な標準偏差は真のテールリスクを著しく過小評価します。静かな窓で計算された高いSharpeは、危機のわずか一週間で崩れることがあります。これは計算ミスではなく、前提に組み込まれた限界です。

第三の問題。数字はサンプルの長さと相場局面に大きく依存します。トレンドフォロー戦略は、通貨がきれいに動くときには高いSharpeを示し、横ばい局面ではずっと低い値を示します。6か月のSharpeは統計的にほとんど無意味です。だからこそ機関投資家のスコアカードは、Sharpeを最大ドローダウンやCalmar ratio、1トレードあたりの期待値といった指標と並べて報告します。単一のパラメータで戦略を誠実に描けるものはないからです。

今すぐやるべきこと

1. 過去のトレード記録の表か、直近12か月のブローカー明細を開き、月次データでSharpe ratioを計算してください。平均月次リターンを取り、無リスク金利を12で割った値を引き、月次の標準偏差で割り、12の平方根を掛けて年率換算すれば、標準的なベンチマークと比較できる数字が得られます。
2. 結果が1.0を下回っても、すぐに戦略を変えてはいけません。まず二点を確認してください。サンプルが代表的か（6か月では少なすぎ、36か月でようやく統計的な重みが出ます）、そして両方向に標準偏差を歪める極端な数か月によって数字が引き下げられていないかです。
3. 同じ窓でSortino ratioも並行して計算してください。SortinoがSharpeより明確に高く出るなら、あなたのボラティリティは非対称です。上方への急騰が多く、深いドローダウンは少ないということです。そうした戦略はSharpe単独が示すより優れている可能性があり、誠実な対応は見栄えの良い片方ではなく両方の数字をそろえて公表することです。
4. トレード記録に年率リターンと月次標準偏差を記録する列を加え、毎月Sharpeが自動で計算されるようにしてください。1年後に前の期間と数字を比べます。短い窓のSharpeはノイズが大きいので、気にかけるべきは単発の値ではなくトレンドです。
5. 資金の配分者やプロップファームの審査担当者にSharpe ratioを共有する前に、その窓が少なくとも2年をカバーし、静かな局面とボラティリティが高まった局面の両方を含むことを確かめてください。単一のトレンド局面から取ったSharpeは、あなた自身も、数字を読む潜在的な投資家も誤らせます。