Lợi nhuận điều chỉnh theo rủi ro: tỷ số Sharpe, Sortino và alpha

Hai chiến lược có thể cùng công bố mức lợi nhuận phần trăm năm giống nhau nhưng lại khiến bạn chịu mức sụt giảm vốn (drawdown) hoàn toàn khác nhau. Các chỉ số điều chỉnh theo rủi ro đặt ra một câu hỏi có tính kỷ luật: bạn đã chịu bao nhiêu đau đớn cho mỗi đơn vị lợi nhuận? Chúng không thay thế cho sự đánh giá — chúng chỉ ngăn các con số nổi bật che giấu đòn bẩy, mức độ tập trung và rủi ro khoảng trống giá (gap risk).

Hãy bắt đầu bằng một cách chia đơn giản: lợi nhuận vượt trội so với một mức nền (thường là lợi suất trái phiếu chính phủ ngắn hạn), và rủi ro được đo bằng độ phân tán của lợi nhuận hoặc độ nhạy với một benchmark.

Tỷ số Sharpe chia lợi nhuận vượt trội trung bình so với lãi suất phi rủi ro cho độ lệch chuẩn của lợi nhuận (thường được quy đổi theo năm với thang đo nhất quán). Chỉ số này được trích dẫn rộng rãi vì đơn giản và có thể so sánh giữa các chiến lược — nhưng nó coi biến động tăng và biến động giảm là như nhau.

• Giá trị gần 0 cho thấy phần đền bù rất ít sau khi điều chỉnh theo độ biến động.
• Giá trị cao hơn 1 đáng kể thường thu hút sự chú ý — và nên bị xem xét kỹ vì có thể do khai thác dữ liệu (data mining) hoặc do chế độ thị trường không ổn định.

Luôn đối chiếu chuỗi lãi suất phi rủi ro với tần suất và loại tiền tệ của lợi nhuận bạn đang đo.

Tỷ số Sortino dùng độ lệch phía dưới (downside deviation) ở mẫu số — độ biến động của lợi nhuận dưới một ngưỡng mục tiêu hoặc dưới 0 — để những bất ngờ tích cực không bị “trừng phạt” như là rủi ro. Tỷ số Treynor chia lợi nhuận vượt trội cho beta, nhấn mạnh phần đền bù cho rủi ro hệ thống thay vì tổng độ biến động.

Không có chỉ số nào “tốt hơn” một cách tuyệt đối. Hãy chọn mẫu số phù hợp với loại rủi ro bạn thực sự lo sợ.

Alpha của Jensen (trong khung mô hình CAPM) đo lợi nhuận vượt trên mức mà beta có thể dự đoán. Tỷ số thông tin (information ratio) chia lợi nhuận chủ động cho sai số theo dõi (tracking error) — mức độ bạn lệch khỏi một benchmark một cách ổn định. Một chiến lược nhiều nhiễu với vài lần trúng lớn có thể trông kém hơn một chiến lược ổn định hơn khi bạn quan tâm đến rủi ro thực thi.

Chuỗi lợi nhuận crypto không tuân theo phân phối chuẩn: đuôi phân phối dày (fat tails), chế độ thị trường thay đổi, và cơ chế funding trên hợp đồng vĩnh cửu. Hãy báo cáo cả Sharpe cuộn (rolling Sharpe) và mức sụt giảm vốn tối đa. Nếu bạn giao dịch trên GaiaEx, hãy tính cả phí, funding và mức độ gần với giá thanh lý vào mô phỏng của bạn — nếu không, “alpha” của bạn chỉ là ảo tưởng trên bảng tính.

• Xác định rõ chuỗi lợi nhuận (log hay đơn giản) và giữ nhất quán.
• Chọn một mức lãi suất phi rủi ro đại diện phù hợp với khung thời gian của bạn.
• Ghi rõ liệu các số liệu thống kê là toàn mẫu hay cuộn (rolling).
• Đừng bao giờ chỉ tối ưu Sharpe trong mẫu (in-sample) mà không có một chế độ giữ lại để kiểm chứng.