Risk-Ayarlı Getiriler: Sharpe Oranı, Sortino ve Alfa

İki strateji aynı yıllık yüzdeyi ilan edebilir ama seni çok farklı değer kayıplarına (drawdown) maruz bırakabilir. Risk-ayarlı metrikler disiplinli bir soru sorar: ödül birimine karşılık ne kadar acı çektin? Yargını yerini almazlar — manşet sayıların kaldıraç, yoğunlaşma ve boşluk (gap) riskini gizlemesini engellerler.

Basit bir ayrımla başla: bir taban çizgisine (genellikle kısa vadeli devlet getirisi) karşı fazla getiri (excess return) ve getirilerin dağılımı veya bir kıyaslamaya (benchmark) hassasiyet olarak ölçülen risk.

Sharpe oranı, risksiz orana göre ortalama fazla getiriyi getirilerin standart sapmasına böler (genellikle tutarlı ölçeklendirmeyle yıllıklandırılır). Basit ve stratejiler arasında karşılaştırılabilir olduğu için yaygın şekilde alıntılanır — ama yukarı ve aşağı dalgalanmaları aynı şekilde ele alır.

• Sıfıra yakın değerler, oynaklık ayarlandıktan sonra az bir tazminat olduğunu ileri sürer.
• Birin oldukça üzerindeki değerler genellikle ilgi çeker — ve veri madenciliği veya durağan olmayan (non-stationary) rejimler için dikkatli inceleme tetiklemelidir.

Risksiz oran serisini her zaman getiri frekansın ve para biriminle hizala.

Sortino oranı, paydada aşağı yönlü sapmayı (downside deviation) kullanır — bir hedefin veya sıfırın altındaki getirilerin oynaklığı — böylece pozitif sürprizler risk olarak „cezalandırılmaz". Treynor oranı, fazla getiriyi beta'ya böler; toplam oynaklık yerine sistematik maruziyet için tazminatı vurgular.

Hiçbiri evrensel olarak „daha iyi" değildir. Gerçekten korktuğun risk ile eşleşen paydayı seç.

Jensen'in alfası (bir CAPM çerçevesinde), beta'nın öngöreceği getirinin üzerindeki getiriyi ölçer. Bilgi oranı, aktif getiriyi izleme hatasına (tracking error) göre ölçeklendirir — bir kıyaslamadan ne kadar tutarlı şekilde saptığını gösterir. Ara sıra büyük vuruşlar yapan gürültülü bir strateji, uygulama riskini önemsediğinde daha istikrarlı bir stratejiden daha kötü görünebilir.

Kripto getiri serileri normal değildir: kalın kuyruklar, rejim kaymaları ve sürekli vadeli işlemlerdeki fonlama mekanikleri. Hem hareketli Sharpe'ı hem de maksimum değer kaybını (drawdown) raporla. GaiaEx'te işlem yapıyorsan, simülasyonuna ücretleri, fonlamayı ve tasfiye yakınlığını dahil et — aksi halde „alfan" bir tablo hayalinden ibarettir.

• Getiri serisini tanımla (log mi basit mi) ve ona sadık kal.
• Ufkunla eşleşen bir risksiz vekil (proxy) seç.
• İstatistiklerin tüm örneklem üzerinden mi yoksa hareketli mi olduğunu belgele.
• Hiçbir zaman bir tutma (holdout) rejimi olmadan sırf örneklem içi Sharpe için optimize etme.