റിസ്ക്-അഡ്ജസ്റ്റഡ് റിട്ടേണുകൾ: ഷാർപ് റേഷ്യോ, സോർട്ടിനോ, ആൽഫ

രണ്ട് strategy-കൾക്ക് ഒരേ annual percentage post ചെയ്യാം, ഒപ്പം wildly വ്യത്യസ്ത drawdown-കൾക്ക് നിങ്ങളെ expose ചെയ്യാം. Risk-adjusted metric-കൾ ഒരു disciplined ചോദ്യം ചോദിക്കുന്നു: reward-ന്റെ ഓരോ unit-നും നിങ്ങൾ എത്ര pain എടുത്തു? അവ judgment-നെ replace ചെയ്യുന്നില്ല — headline സംഖ്യകൾ leverage, concentration, gap risk hide ചെയ്യുന്നത് അവ നിർത്തുന്നു.

ഒരു simple split-ൽ തുടങ്ങുക: ഒരു baseline-ന് (പലപ്പോഴും ഒരു short-term government yield) എതിരായ excess return, return-കളുടെ dispersion ആയോ ഒരു benchmark-ലേക്കുള്ള sensitivity ആയോ measure ചെയ്ത risk.

Sharpe ratio, risk-free rate-ന് മുകളിലുള്ള average excess return-നെ, return-കളുടെ standard deviation കൊണ്ട് divide ചെയ്യുന്നു (പലപ്പോഴും consistent scaling-ഓടെ annualize ചെയ്യപ്പെടുന്നു). ഇത് simple-ഉം strategy-കൾക്കിടയിൽ comparable-ഉം ആയതിനാൽ widely quote ചെയ്യപ്പെടുന്നു — പക്ഷേ ഇത് upside-ഉം downside swing-കളും ഒരേ പോലെ treat ചെയ്യുന്നു.

• Zero-ന് അടുത്തുള്ള value-കൾ, volatility-ക്ക് adjust ചെയ്ത ശേഷം little compensation suggest ചെയ്യുന്നു.
• One-ന് മുകളിൽ materially ഉള്ള value-കൾ പലപ്പോഴും attention attract ചെയ്യുന്നു — data mining-നോ non-stationary regime-കൾക്കോ scrutiny trigger ചെയ്യണം.

Risk-free series-നെ എപ്പോഴും നിങ്ങളുടെ return frequency-ഉം currency-ഉം ആയി align ചെയ്യുക.

Sortino ratio denominator-ൽ downside deviation ഉപയോഗിക്കുന്നു — ഒരു target-ന് അല്ലെങ്കിൽ zero-ന് താഴെയുള്ള return-കളുടെ volatility — അതുകൊണ്ട് positive surprise-കൾ risk ആയി "punish" ചെയ്യപ്പെടുന്നില്ല. Treynor ratio, excess return-നെ beta കൊണ്ട് divide ചെയ്യുന്നു, total volatility-ക്ക് പകരം systematic exposure-ന്റെ compensation emphasize ചെയ്യുന്നു.

രണ്ടും universal ആയി "better" അല്ല. നിങ്ങൾ യഥാർത്ഥത്തിൽ ഭയപ്പെടുന്ന risk-മായി match ചെയ്യുന്ന denominator pick ചെയ്യുക.

Jensen-ന്റെ alpha (ഒരു CAPM framing-ൽ), beta predict ചെയ്യുന്നതിലും കൂടുതൽ return measure ചെയ്യുന്നു. Information ratio, active return-നെ tracking error കൊണ്ട് scale ചെയ്യുന്നു — എത്ര consistently നിങ്ങൾ ഒരു benchmark-ൽ നിന്ന് deviate ചെയ്യുന്നു. Implementation risk-നെ കുറിച്ച് നിങ്ങൾ care ചെയ്യുമ്പോൾ, occasional jackpot-കൾ ഉള്ള ഒരു noisy strategy, ഒരു steadier strategy-നേക്കാൾ worse ആയി കാണപ്പെടാം.

Crypto return series-കൾ non-normal ആണ്: fat tail-കൾ, regime shift-കൾ, perpetual-കളിലെ funding mechanics. Rolling Sharpe-ഉം maximum drawdown-ഉം രണ്ടും report ചെയ്യുക. GaiaEx-ൽ trade ചെയ്യുന്നു എങ്കിൽ, നിങ്ങളുടെ simulation-ൽ fee-കൾ, funding, liquidation proximity include ചെയ്യുക — അല്ലെങ്കിൽ നിങ്ങളുടെ "alpha" ഒരു spreadsheet fantasy ആണ്.

• Return series (log vs simple) define ചെയ്ത്, അതിൽ stick ചെയ്യുക.
• നിങ്ങളുടെ horizon-മായി match ചെയ്യുന്ന ഒരു risk-free proxy pick ചെയ്യുക.
• Statistics full-sample ആണോ rolling ആണോ എന്ന് document ചെയ്യുക.
• ഒരു holdout regime ഇല്ലാതെ in-sample Sharpe-ന് മാത്രമായി ഒരിക്കലും optimize ചെയ്യരുത്.