Risk-Adjusted Returns: Sharpe Ratio, Sortino, at Alpha

Puwedeng mag-post ang dalawang strategy ng parehong annual percentage habang inilalantad ka sa lubhang magkaibang drawdowns. Nagtatanong ang Risk-adjusted metrics ng isang disiplinadong tanong: gaano ang sakit na kinuha mo kada unit ng reward? Hindi nila pinapalitan ang judgment — pinipigilan nila ang mga headline number na itago ang leverage, concentration, at gap risk.

Magsimula sa isang simpleng paghati: excess return laban sa isang baseline (madalas isang short-term government yield), at risk na sinusukat bilang dispersion ng returns o sensitivity sa isang benchmark.

Hinahati ng Sharpe ratio ang average excess return sa risk-free rate sa standard deviation ng returns (madalas na annualized na may consistent scaling). Malawak ang pagbanggit dito dahil simple ito at kayang ikumpara sa iba't ibang strategy — pero pareho nitong tinuturing ang upside at downside swings.

• Nagpapahiwatig ang mga halaga na malapit sa zero ng kaunting kompensasyon matapos ma-adjust para sa volatility.
• Ang mga halaga na materyal na higit sa isa ay madalas na nakakaatrak ng atensyon — at dapat mag-trigger ng scrutiny para sa data mining o non-stationary regimes.

Palaging i-align ang risk-free series sa frequency at currency ng return mo.

Gumagamit ang Sortino ratio ng downside deviation sa denominator — volatility ng returns sa ibaba ng isang target o zero — kaya ang mga positibong sorpresa ay hindi “nabigyan ng parusa” bilang risk. Hinahati ng Treynor ratio ang excess return sa beta, na binibigyang-diin ang kompensasyon para sa systematic exposure kaysa sa total volatility.

Walang isa sa kanila na universal na “mas mahusay.” Piliin ang denominator na tumutugma sa risk na talagang kinakatakutan mo.

Sinusukat ng Jensen's alpha (sa isang CAPM framing) ang return na higit sa hinuhulaan ng beta. Isinusukat ng information ratio ang active return sa tracking error — gaano ka consistent na lumihis mula sa isang benchmark. Ang isang maingay na strategy na may paminsan-minsang jackpot ay puwedeng magmukhang mas masama kaysa sa isang mas matatag kapag inaalala mo ang implementation risk.

Ang mga return series ng crypto ay non-normal: fat tails, regime shifts, at funding mechanics sa perpetuals. I-report ang parehong rolling Sharpe at maximum drawdown. Kung nagtrade ka sa GaiaEx, isama ang fees, funding, at liquidation proximity sa simulation mo — kung hindi, ang “alpha” mo ay isang pantasya sa spreadsheet lang.

• Idefine ang return series (log vs simple) at sundin ito.
• Piliin ang isang risk-free proxy na tumutugma sa horizon mo.
• I-document kung ang statistics ay full-sample o rolling.
• Huwag kailanman i-optimize nang purong para sa Sharpe in-sample nang walang holdout regime.