GaiaEx AcademyGaiaEx Academy
Rendements ajustés du risque : ratio de Sharpe, Sortino et alpha
AvancéFinance9 min read

Rendements ajustés du risque : ratio de Sharpe, Sortino et alpha

Mesurer combien de rendement vous obtenez pour chaque unité de risque prise

Partager les articles

Un rendement sans contexte induit en erreur

Deux stratégies peuvent afficher le même pourcentage annuel tout en vous exposant à des drawdowns radicalement différents. Les métriques ajustées du risque posent une question rigoureuse : quelle dose de douleur avez-vous encaissée par unité de récompense ? Elles ne remplacent pas le jugement — elles empêchent les chiffres vitrine de masquer l'effet de levier, la concentration et le risque de gap.

Commencez par une distinction simple : le rendement excédentaire par rapport à une référence (souvent un taux d'intérêt d'État court terme), et le risque mesuré comme dispersion des rendements ou sensibilité à un indice de référence.

Distributions de rendements (schéma) Faible dispersion Forte dispersion Même rendement moyen possible — trajectoires très différentes. Vision ajustée du risque : récompense par unité de variation indésirable
Des nuages de rendement plus larges impliquent plus d'incertitude, même quand les moyennes coïncident.

Sharpe : le rendement excédentaire par unité de volatilité

Le ratio de Sharpe divise le rendement excédentaire moyen par rapport au taux sans risque par l'écart-type des rendements (souvent annualisé avec une mise à l'échelle cohérente). Il est largement cité car il est simple et comparable entre stratégies — mais il traite de la même façon les mouvements à la hausse et à la baisse.

  • Des valeurs proches de zéro suggèrent une faible compensation une fois la volatilité prise en compte.
  • Des valeurs nettement supérieures à un attirent souvent l'attention — et devraient déclencher un examen critique pour écarter le data mining ou des régimes non stationnaires.

Alignez toujours la série sans risque sur la fréquence et la devise de vos rendements.

Structure du ratio de Sharpe E[R − Rf] rendement excédentaire moyen ÷ σ(R) écart-type des rendements Annualisez le numérateur et le dénominateur avec les mêmes hypothèses (par ex. √252 pour des rendements journaliers actions). Le ratio de Sortino remplace σ par la déviation à la baisse si vous voulez ignorer la volatilité haussière.
Sharpe est un ratio — des données en entrée médiocres (mauvaise série de rendements) produisent des ratios médiocres.

Sortino et Treynor : des dénominateurs différents

Le ratio de Sortino utilise la déviation à la baisse au dénominateur — la volatilité des rendements sous une cible ou zéro — de sorte que les bonnes surprises ne sont pas « punies » comme du risque. Le ratio de Treynor divise le rendement excédentaire par le bêta, mettant l'accent sur la compensation de l'exposition systématique plutôt que sur la volatilité totale.

Aucun des deux n'est universellement « meilleur ». Choisissez le dénominateur qui correspond au risque que vous redoutez réellement.

Alpha et ratio d'information

L'alpha de Jensen (dans un cadre CAPM) mesure le rendement au-delà de ce que le bêta prédirait. Le ratio d'information rapporte le rendement actif à l'erreur de suivi (tracking error) — c'est-à-dire la constance avec laquelle vous vous écartez d'un indice de référence. Une stratégie bruyante avec des jackpots occasionnels peut sembler pire qu'une stratégie plus régulière dès que le risque d'exécution vous préoccupe.

Appliquer ces métriques à la crypto

Les séries de rendements crypto ne sont pas normales : queues épaisses, changements de régime, et mécanique du financement sur les contrats perpétuels. Publiez à la fois le Sharpe glissant et le drawdown maximal. Si vous tradez sur GaiaEx, intégrez les frais, le financement et la proximité de liquidation dans votre simulation — sinon votre « alpha » n'est qu'un fantasme de tableur.

Une checklist pratique

  • Définissez la série de rendements (logarithmiques ou simples) et respectez ce choix.
  • Choisissez un proxy sans risque adapté à votre horizon.
  • Documentez si les statistiques portent sur l'échantillon complet ou sont glissantes.
  • N'optimisez jamais purement pour le Sharpe in-sample sans régime de contrôle (holdout).