夏普比率看着挺好，为什么实盘还是亏？

仅凭“夏普比率看着挺好”这一条信息，不能推出实盘会不会亏，也不能推出该不该继续持有或调整。夏普比率是对一段历史区间内收益与波动关系的概括，它既不承诺未来收益，也不覆盖实盘亏损的全部来源。要判断“指标好看”和“实盘亏损”为什么能同时出现，至少还需要知道：这个夏普比率算的是哪段区间、用什么频率的数据、对应的是回测还是实盘、组合里实际持有什么、以及实盘期间发生了哪些成本和规则变化。

夏普比率衡量的是什么，不衡量什么

夏普比率的核心，是把一段区间内的超额收益（相对无风险利率的部分）除以同期收益的波动率。它回答的是一个相对窄的问题：在这段历史里，每承担一单位波动，换来了多少超额收益。

它不回答的问题同样关键：

• 不区分波动方向。计算里用的是波动率，上涨和下跌被同等对待。一个净值大起大落、但最终向上的策略，和一个稳步向上的策略，可能得到相近的数值。
• 不描述极端损失。波动率是平均意义上的离散程度，对尾部风险的刻画有限。历史上没出现过的大幅回撤，不会因为夏普比率高就被排除。
• 不包含未来信息。它是对已发生数据的统计，参数、区间、频率一变，数值就可能明显不同。
• 不覆盖成本与摩擦。回测里的夏普比率通常不完整反映交易成本、冲击成本、税费、申赎限制等实盘约束。

所以，“夏普比率高”和“实盘亏损”并不矛盾，它们描述的是不同层面的东西。

指标好看却实盘亏损，可能并存的原因

以下都是待验证的解释，不能仅凭题目断定是哪一种，需要各自核对公开或可查证的信息。

样本期选择的影响。 夏普比率高度依赖计算区间。如果区间恰好覆盖了一段对策略有利的市场环境，数值会偏好看；换一段区间，结论可能不同。需要核对的是：这个数值对应的时间范围、起止点如何选定、是否经过多次区间尝试后择优展示。

回测与实盘的差异。 回测基于历史数据，实盘面对的是未知的未来。两者之间的差距可能来自成本假设、成交假设、数据可得性假设等。需要核对的是：回测是否计入交易成本与冲击成本、成交价格假设是否可实现、是否存在未来函数或幸存者偏差。

市场环境变化。 同一策略在不同波动结构、不同相关性环境下表现可能完全不同。夏普比率是区间统计量，环境切换后历史关系未必延续。需要核对的是：实盘期间的市场波动水平、资产间相关性、流动性状况是否与样本期接近。

波动率作为风险代理的局限。 如果亏损集中在少数时段或由尾部事件造成，而样本期未包含类似情形，波动率就无法提前反映。需要核对的是：历史最大回撤、回撤持续时间、收益分布是否明显偏离正态。

数据频率与口径。 用日频、周频还是月频计算，会得到不同的夏普比率；无风险利率取哪一个，也会影响结果。需要核对的是：计算口径是否公开、是否前后一致、是否与实盘决策所用口径相同。

叙事类解释需谨慎。 诸如“主力吸筹”“洗盘”“资金必然流向”之类的说法，无法由夏普比率本身证实，只能作为与其他解释并列的待验证假设，并需要核对成交量、持仓结构、公告等公开信息，而不是直接采信。

需要核对的公开事实与区分作用

要缩小“指标好看”与“实盘亏损”之间的解释空间，可以按下面的维度去核对，而不是直接下结论：

这些信息大多可以从产品说明书、定期报告、策略文档或公开数据中查到。核对的目的不是替谁做决定，而是判断“夏普比率高”这个前提本身是否成立、以及它在多大范围内成立。

结论的适用边界

夏普比率是一个区间统计量，它的适用边界就是它所计算的那段历史和那套口径。超出这个边界，它既不能保证未来收益，也不能保证亏损不会发生。它适合用来在同一口径下比较不同策略的历史风险调整表现，不适合单独作为实盘结果的预测工具。

当出现“指标好看但实盘亏损”时，合理的处理方向是核对上述公开事实、区分可能原因，而不是把夏普比率当作失效或当作仍然有效的证据。判断权在读者，依据应来自可查证的信息。

常见问题

夏普比率高，是不是说明策略风险低？

不是。夏普比率用波动率代理风险，而波动率不区分涨跌、也不专门刻画尾部损失。一个数值较高的策略，仍可能在特定环境下出现较大回撤。

为什么回测的夏普比率和实盘感受差这么多？

常见原因包括成本与成交假设不同、样本期环境与实盘期不同、计算频率与口径不同。要判断具体是哪一种，需要核对回测文档中的假设条件与实盘期间的实际数据。

除了夏普比率，还应该看哪些信息来理解实盘亏损？

可以关注最大回撤、回撤持续期、收益分布形态、换手与成本、以及实盘期间的市场波动与相关性变化。这些信息与夏普比率互补，能帮助区分亏损来自策略本身、执行层面还是环境切换。