ผลตอบแทนที่ปรับตามความเสี่ยง: Sharpe Ratio, Sortino และ Alpha

สองกลยุทธ์อาจให้ผลตอบแทนต่อปีเท่ากันเป๊ะ แต่ทำให้คุณเผชิญกับ drawdown ที่แตกต่างกันอย่างสิ้นเชิง Risk-adjusted metrics (ตัววัดที่ปรับด้วยความเสี่ยง) ตั้งคำถามอย่างมีวินัย: คุณรับความเจ็บปวดไปเท่าไรต่อหนึ่งหน่วยของผลตอบแทน? มันไม่ได้แทนที่วิจารณญาณ — มันหยุดตัวเลขพาดหัวไม่ให้ซ่อนเลเวอเรจ ความกระจุกตัว และความเสี่ยงจากราคากระโดด (gap risk)

เริ่มต้นด้วยการแยกง่าย ๆ: ผลตอบแทนส่วนเกิน (excess return) เทียบกับเส้นฐาน (มักเป็นอัตราผลตอบแทนพันธบัตรรัฐบาลระยะสั้น) และ ความเสี่ยง ที่วัดจากการกระจายตัวของผลตอบแทนหรือความไวต่อดัชนีเทียบ (benchmark)

Sharpe Ratio หารผลตอบแทนส่วนเกินเฉลี่ยเทียบกับอัตราปลอดความเสี่ยง (risk-free rate) ด้วยส่วนเบี่ยงเบนมาตรฐาน (standard deviation) ของผลตอบแทน (มักทำให้เป็นรายปีด้วยการปรับสเกลที่สอดคล้องกัน) มันถูกอ้างอิงกันอย่างแพร่หลายเพราะเรียบง่ายและเทียบกันข้ามกลยุทธ์ได้ — แต่มันปฏิบัติต่อการแกว่งตัวขึ้นและลงเหมือนกันหมด

• ค่าที่ใกล้ศูนย์บอกว่าได้รับการชดเชยน้อยหลังปรับด้วยความผันผวนแล้ว
• ค่าที่สูงกว่าหนึ่งอย่างมีนัยสำคัญมักดึงดูดความสนใจ — และควรกระตุ้นให้ตรวจสอบอย่างละเอียดว่าเป็นการขุดข้อมูล (data mining) หรือเกิดจากช่วงตลาดที่ไม่นิ่ง (non-stationary regime) หรือไม่

ให้อัตราปลอดความเสี่ยงสอดคล้องกับความถี่ของผลตอบแทนและสกุลเงินของคุณเสมอ

Sortino Ratio ใช้ downside deviation ในตัวหาร — ความผันผวนของผลตอบแทนที่ต่ำกว่าเป้าหมายหรือต่ำกว่าศูนย์ — ดังนั้นความเซอร์ไพรส์ในทางบวกจะไม่ถูก "ลงโทษ" ในฐานะความเสี่ยง Treynor Ratio หารผลตอบแทนส่วนเกินด้วย เบต้า โดยเน้นการชดเชยสำหรับความเสี่ยงเชิงระบบ (systematic exposure) มากกว่าความผันผวนโดยรวม

ไม่มีตัวใด "ดีกว่า" เสมอไปในทุกกรณี ให้เลือกตัวหารที่ตรงกับความเสี่ยงที่คุณกลัวจริง ๆ

Jensen's alpha (ในกรอบของ CAPM) วัดผลตอบแทนที่สูงกว่าที่เบต้าจะทำนายไว้ Information Ratio ปรับขนาดผลตอบแทนเชิงรุก (active return) ด้วย tracking error — ความสม่ำเสมอที่คุณเบี่ยงเบนจาก benchmark กลยุทธ์ที่มีความผันผวนสูงพร้อมโอกาสถูกรางวัลใหญ่เป็นครั้งคราวอาจดูแย่กว่ากลยุทธ์ที่มั่นคงกว่า เมื่อคุณคำนึงถึงความเสี่ยงในการดำเนินการจริง

ชุดข้อมูลผลตอบแทนของคริปโตไม่เป็นแบบปกติ (non-normal): มี fat tail การเปลี่ยนช่วงตลาด (regime shift) และกลไก funding บนสัญญา perpetual รายงานทั้ง rolling Sharpe และ maximum drawdown ควบคู่กัน ถ้าคุณเทรดบน GaiaEx ให้รวมค่าธรรมเนียม funding และความใกล้เคียงกับจุด liquidation ไว้ในการจำลองของคุณ — ไม่เช่นนั้น "alpha" ของคุณก็เป็นแค่เรื่องเล่าในสเปรดชีต

• กำหนดชุดข้อมูลผลตอบแทน (แบบ log หรือแบบ simple) และยึดตามนั้นให้สม่ำเสมอ
• เลือกตัวแทนอัตราปลอดความเสี่ยงที่ตรงกับขอบเขตเวลาของคุณ
• บันทึกให้ชัดว่าสถิติที่ใช้เป็นแบบ full-sample หรือ rolling
• อย่า optimize เพื่อ Sharpe แบบ in-sample เพียงอย่างเดียวโดยไม่มีชุดข้อมูล holdout จากช่วงตลาดอื่น