طی سال ۱۹۶۶، ویلیام شارپ مفهومی انقلابی را در حوزه سرمایه‌گذاری معرفی نمود که آن را با نام « نسبت شارپ » می‌شناسیم. این مفهوم به سرمایه‌گذاران کمک خواهد کرد تا به صورت مؤثر، بازده (سود) سرمایه‌گذاری خود را در قیاس با اندازه ریسک آن مشخص کنند. در حقیقت سرمایه‌گذار با کمک این مفهوم، علاوه بر ارزیابی مقدار کارآمدی سرمایه‌گذاری خود، قادر است مقدار ریسک آن را هم تعیین کند.
به سبب اهمیت این نسبت در دنیای امور مالی، در این مطلب به‌کمک نوشته ای که در وب‌سایت هج‌ترید ارائه شده است، به شکل کامل درخصوص نسبت شارپ ، ارتباط آن با ارزهای دیجیتال و علاوه بر این مزایا و محدودیت‌های این مفهوم صحبت خواهیم داشت.
از هنگامی که این نسبت وارد دنیای سرمایه‌گذاری گردید، تا به اکنون جزو مورد علاقه ترین معیارهای ریسک/ بازده در میان سرمایه‌گذاران بوده است. قسمت عمده‌ای از این علاقه ، به سبب سادگی این معیار میباشد . البته بعد از آنکه جایزه نوبل اقتصاد به ویلیام شارپ داده شد، اعتبار این مفهوم در میان سرمایه‌گذاران افزایش هم یافت. این جایزه، پاداش فعالیت هایی بود که شارپ روی مدل قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM) صورت داد.
حالا بیایید ببینیم چرا سرمایه‌گذاران باید به این نسبت اهمیت زیادی بدهد
نسبت شارپ و شیوه محاسبه‌ی آن
با محاسبه نسبت شارپ (Sharpe Ratio)، می‌توان اندازه سود سرمایه‌گذاری را به‌ازای هر واحد ریسک مشخص نمود. همه اشخاصی که در بازار سرمایه حضور دارند، از معامله‌گران روزانه بگیرید تا سرمایه‌گذاران بلندمدت که دارایی را خریداری میکنند و مدت‌ها آن را حفظ میکنند، قادر هستند از این شیوه محاسباتی مفید جهت ارزیابی عملکردشان بهره بگیرند.
البته منظور از ارزیابی عملکرد، محاسبه اندازه کل سود سرمایه‌گذاری نمیباشد، بلکه تعیین نسبت اندازه سود به ریسک آن میباشد.
در حقیقت نسبت شارپ، متوسط اندازه «سود تعدیل‌شده» به‌ازای هر واحد فراز و شیب بازار یا مجموع ریسک موجود میباشد. سود تعدیل گردیده، اختلاف میان سود کل با نرخ بهره بدون ریسک میباشد و نرخ بهره بدون ریسک نیز به درصد سودی گفته میگردد که به شکل قطعی در اختیار سرمایه‌گذار قرار خواهد گرفت.
به عنوان نمونه، نرخ سود بانکی و نرخ سود اوراق قرضه دولتی تقریبا فاقد ریسک و تضمین شده میباشد. اگر تصور کنیم نرخ سود بانکی یا ارواق قرضه ۲۰ درصد در سال میباشد و از سوی دیگر یک سرمایه‌گذار قادر باشد با سرمایه‌گذاری در اوراق بهادار، ۷۰ درصد سود در سال فراهم کند، در این صورت نرخ سود تعدیل شده معادل با اختلاف این دو عدد، یعنی ۵۰ درصد، برآورد خواهد شد.
افرادی که با فعالیت‌های پرریسک در ارتباط میباشند، باید به این مسئله توجه بیشتری داشته باشند. در مجموع هر چه نسبت شارپ عظیم تر باشد، «سود تعدیل‌شده از لحاظ ریسک» برای سرمایه‌گذار جذاب‌تر خواهد بود.
به شکل یک نمونه خوب از سرمایه‌گذاری‌های بدون ریسک، می‌توان به اوراق قرضه دولتی ایالات متحده اشاره داشت. صد البته درخصوص دو عامل زیر اختلاف نظرهایی هم موجود است:
۱. آیا نرخ بازده کوتاه‌مدت‌ترین اوراق بهادار دولتی هم باید در محاسبه اعمال گردد.
۲. آیا ابزار سرمایه‌گذاری فاقد ریسک باید کاملا با بازه زمانی که در آن سرمایه‌گذار انتظار حفظ سرمایه‌اش را دارد، مطابقت داشته باشد یا خیر.
در حقیقت، محدودیت بنیادی نسبت شارپ این میباشد که درخصوص سرمایه‌گذاری‌هایی که توزیع سود در آنها نرمال نمیباشد، کار نخواهد کرد. در ادامه، محدودیت‌های بیشتر این نسبت را هم بررسی خواهیم نمود.
فرمول نسبت شارپ
جهت محاسبه نسبت شارپ از فرمول استاندارد زیر بهرمند خواهیم شد:
Sharpe Ratio = (Rp – Rf) / σp
که معادل فارسی آن بدیت صورت است:
جهت محاسبه نسبت شارپ ، باید نرخ بهره فاقد ریسک (Rf) را از سود سبد سهام (Rp) کم نمایید و حاصل را بر انحراف معیار (واریانس یا تغییرات) مازاد سبد سهام (σp) تقسیم نمایید. دقت کنید که نرخ بهره فاقد ریسک، معمولا به سرمایه‌گذاری‌های ایمن و فاقد ریسک مثل اوراق قرضه دولتی و نرخ سود بانکی اشاره خواهد داشت.
در این قسمت یک سؤال مهم بوجود میاید. چه هنگامی قادریم بگوییم نسبت شارپ محاسبه گردیده مناسب است؟ به‌بیان ساده تر، چه چیزی قادر است بیان گر سود بالای یک داراییِ نسبتا کم‌ریسک باشد؟
- هر نسبت شارپ که از ۱.۰ بیشتر محاسبه شود، جهت سرمایه‌گذاران در محدوده قابل قبول تا خوب قرار گرفته است.
- نسبت‌هایی که از ۲.۰ بیشتر باشند، بسیار خوب میباشند.
- نسبت ۳.۰ یا بالاتر فوق العاده است.
- نسبتی که از ۱.۰ کمتر باشد، کم تر از اندازه استاندارد خواهد بود.
متنوع‌سازی سبد سهام
بر اساس نظریه سبد سهام مدرن، اگر دارایی‌های پرتفوی را به صورت متنوع انتخاب نمایید که همبستگی اندکی میان این دارایی‌ها وجود داشته باشد، ریسک سبد سهامتان کمتر خواهد شد. لذا همه تخم‌مرغ‌ها را در یک سبد نگهداری نکنید!
طی متنوع‌سازی سبد سهام، به‌جای اینکه کل سرمایه‌تان را به یک شرکت، صنعت یا دارایی خاص محدود نمایید، آن را میان ابزارهای مالی و صنایع مختلف تقسیم می‌کنید و به این صورت ریسک سبدتان را کمتر خواهید کرد. بنابراین، متنوع‌سازی قادر است به صورت بالقوه‌ای نسبت شارپ را بیشتر کند. تنها کافی است نسبت شارپ سبد متنوع خودتان را با سبد مشابهی که تنوع اندکی دارد، مقایسه نمایید.
جهت محاسبه نسبت شارپ، سرمایه‌گذاران باید این گونه تصور کنند که ریسک معادل همان نوسان میباشد. البته این مسئله مشکل خاصی ایجاد نخواهد کرد؛ ولی تنها یک مشکل دارد و آن این میباشد که همه معاملات و سرمایه‌گذاری‌ها الزاما با نوسان مواجه نمیباشند.
کاربردهای نسبت شارپ
با نسبت شارپ قادر هستید عملکرد پیشین سبد سهامتان را هم ارزیابی نمایید. جهت این کار باید در فرمول آن، آمار و ارقام مربوط به سرمایه‌گذاری‌های پیشین را وارد کنید. به همین صورت ، قادر هستید عملکرد آینده سبد سهامتان را هم پیش‌بینی نمایید؛ با این فرق که این بار اعداد حقیقی را نمی‌دانید و باید سود مورد نظر و نیز نرخ بهره فاقد ریسک موردانتظار را وارد نمایید. در این صورت نسبت شارپی که محاسبه خواهید کرد، عددی احتمالی خواهد بود.
نسبت شارپ به شما کمک خواهد کرد منشأ سودهای اصافه سبد سهامتان را بدست بیاورید و دریابید که آیا این سودهای اضافی به سبب تصمیمات هوشمندانه شما در سرمایه‌گذاری پیدید آمده است یا نتیجه ریسک بالایی میباشد که قبول کرده اید. به هر صورت، تنها زمانی قادر هستید بگویید سرمایه‌گذاری شما اطمینان‌بخش بوده است که این بازده‌های مازاد صرفا به سبب هوشمندی شما و نه به موجب ریسک فراوان به دست آمده باشند.
واضح تر بگوییم، هرچه نسبت شارپ یک سبد زیادتر باشد، عملکرد مناسب تری در تعدیل ریسک خواهد داشت. اگر نسبت شارپ منفی بشود، دو حالت ممکن است: یا نرخ بهره فاقد ریسک بیشتر از بازده سبد سهام بوده است یا کلا بازده سبد منفی است. هر یک از این دو حالت که باشد فرقی ندارد، از نسبت شارپ منفی نمی‌توان معنای بخصوصی پیدا کرد.
نسبت‌های سورتینو و ترینور
نسبت شارپ به دو شاخه متنوع تقسیم می‌شود که هر دو خیلی مفید میباشند. یکی از آنها نسبت سورتینو (Sortino) و دیگری نسبت ترینور (Treynor) میباشد.
سورتینو سود سبد سهام را به‌ازای ریسک منفی تعیین می‌کند، اما با ترینور می‌توان مقدار کل بازده مازاد را به‌ازای هر واحد ریسک که سبد سهام می‌تواند بپذیرد به دست آورد.
برخلاف نسبت شارپ که کل ریسک مطلوب و نامطلوب سرمایه‌گذاری را در نظر می‌گیرد، سورتینو فقط با ریسک نامطلوب سروکار دارد. سورتینو اثراتی را که حرکات قیمتی رو به بالا (مثبت) روی انحراف معیار می‌گذارند حذف می‌کند. به همین دلیل، فقط روی توزیع سود کمتر از سود هدف (حرکات رو به پایین) متمرکز است.
جهت محاسبه نسبت سورتینو، در صورت کسر فرمول، نرخ بهره بدون ریسک را از سود موردانتظار کم می‌کنیم و سپس حاصل را بر انحراف معیار بازده منفی دارایی تقسیم می‌کنیم.
نسبت‌های سورتینو و ترینور
با توجه به فرمول، سود سبد سهام به‌شکل قابل‌توجهی کمتر از سودی که انتظار داریم می‌شود. چرا؟ چون سود موردانتظار را از مقدار سود سبد سهام کم کرده‌ایم.
نسبت ترینور، از ضریب بتا یا همبستگی سبد سهام با کل بازار استفاده می‌کند. نسبت ترینور مشخص می‌کند که آیا سرمایه‌گذار در حال سود کردن است یا نه. مخصوصا اگر قرار است ریسک بیشتری را علاوه بر ریسک ذاتی بازار بپذیرد.
رابطه نسبت شارپ با ارزهای دیجیتال
اگر با معامله‌گری ارزهای دیجیتال آشنا هستید، حتما می‌دانید که ریسک و نوسان زیادی در این بازار وجود دارد. به همین دلیل تعیین اینکه چه مقدار ریسک می‌توانید بپذیرید، در تصمیمات و انتخاب راهبردهای معامله‌هایتان نقشی اساسی خواهد داشت. با توجه به اینکه نسبت شارپ ابزاری سودمند برای بررسی بازده با ریسک تعدیل‌شده است، بیشتر معامله‌گران ارزهای دیجیتال از آن استفاده میکنند. آنها با این ابزار می‌توانند درک بسیار بهتری از میزان ریسکی که باید بپذیرند داشته باشند.
به جز کوین‌هایی مانند بیت کوین و اتریوم که ارزش بازار بالایی دارند و به‌طور نسبی باثبات‌تر از سایر ارزها هستند، تعداد بسیار زیادی از ارزهای دیجیتال را باید پرریسک قلمداد کرد. در واقع، بسیاری از ارزهای دیجیتال جدیدتر، فاقد ثباتی هستند که بیت کوین و اتریوم دارند؛ آن هم به این دلیل که بازار این ارزها نقدشوندگی کمتری دارد. این امر درباره ارزهای دیجیتالی مانند زیرو‌اکس (۰x)، اومیسه‌گو (OmiseGo)، نئو و دش هم صادق است. نسبت شارپ نمی‌تواند این بی‌ثباتی را برطرف کند، اما می‌تواند بینشی از قیمت آینده آنها به ما بدهد؛ با اینکه کاملا غیرقابل پیش‌بینی هستند.
معامله ارزهای دیجیتال
زمانی که پای معامله ارزهای دیجیتال به میان می‌آید، تنها یک نرخ بازده بدون ریسک داریم. آن هم این میباشد که ارزهای دیجیتال خودتان را به جهت تأمین نقدینگیِ یک صرافی، به آن بسپارید. سودی که سالانه از این کار نصیب‌تان میگردد ، به صورت متوسط ۱% از مبلغ موردنظر و در قالب همان ارز دیجیتالی میباشد که به صرافی سپرده‌اید.
برای مثال، فرض کنیم ارز دیجیتالی که به صرافی سپرده‌اید، لایت کوین میباشد . در این مورد خاص ، به صورت متوسط ۱% سود از سپردن این لایت کوین‌ها به صرافی دریافت خواهید نمود. اما حتی سپردن ارزهای دیجیتال به یک صرافی هم قادر نیست به شکل کامل «بدون ریسک» باشد. چرا؟ چون همواره خطر هک شدن یا مسدود شدن حسابتان در صرافی به هر علتی وجود دارد.
تعداد بسیار فراوانی از صرافی‌های ارز دیجیتال، به معامله‌گران اجازه دسترسی به ای‌پی‌آی‌ها (APIs- رابط‌های برنامه‌نویسی برنامه‌های کاربردی) را می‌دهند. بنابراین معامله‌گران قادر هستند از نسبت شارپ (ترجیحا در دوره‌های زمانی کوتاه) برای محاسبه نسبت ریسک- پاداش مربوط به یک معامله خاص استفاده کنند.
در دوره‌های زمانی کوتاه، نسبت شارپ قادر است به‌عنوان یک ابزار مدیریت ریسک عمل کند. برای مثال، با کمک نسبت شارپ می‌توانید تعیین کنید که یک معامله خودکار باید انجام شود یا نه. اگر امکان ادغام این نسبت به‌عنوان بخشی از یک الگوریتم معاملاتی وجود داشته باشد، عالی است. این کار اطمینان می‌دهد که خودکارسازی معامله ارز دیجیتال، در کنار سایر سیاست‌های مدیریت ریسک معامله‌گران لحاظ شده است.
فراموش نکنید که استفاده از نسبت شارپ به‌معنای آن نیست که همه چیز بی‌عیب و نقص پیش خواهد رفت. دلیلش این است که بر اساس نظریه قوی سیاه، نمی‌توان به دقت همه رویدادهای بازار را پیش‌بینی کرد. مخصوصا در معاملات ارز دیجیتال، پیش‌بینی بازار کاری بس دشوار است.
محدودیت‌هایی که نسبت شارپ دارد
اگر یادتان باشد، اشاره‌ای کوتاه به محدودیت اصلی این نسبت داشتیم و گفتیم که در فرمول نسبت شارپ، باید فرض را بر این قرار داد که سرمایه‌گذاری‌ها توزیع سود نرمال دارند. بنابراین، این نسبت برای آن دسته از سرمایه‌گذاری‌هایی که توزیع سودشان نرمال نیست به خوبی کار نمیکند و باید بررسی‌های بیشتری درباره آنها انجام دهیم.
نسبت شارپ از انحراف معیار بازده در مخرج کسر به‌جای ریسک کل سبد سهام استفاده می‌کند. فرض اساسی این است که بازده‌ها توزیع نرمال دارند. توزیع نرمال داده‌ها تا حد زیادی مشابه انداختن یک جفت تاس است. می‌دانیم که در طی پرتاب‌های مختلف، بیشترین احتمال به ظاهر شدن عدد ۷ تعلق دارد. از سوی دیگر، احتمال ظاهر شدن اعداد ۲ و ۱۲ از همه کمتر است؛ چرا که برای هر دوی آنها فقط یک حالت وجود دارد (برای ۲، هر دو تاس باید ۱ بیاید و برای ۱۲، هر دو تاس باید ۶ بیاید).
با این حال، در بازارهای مالی معمولا بازده از حد میانگین فاصله دارد. به این دلیل که سقوط و صعود غیرقابل پیش‌بینی زیادی در قیمت‌ها اتفاق می‌افتد. علاوه بر آن، در انحراف معیار، فرض بر این است که حرکات قیمتی در هر دو جهت به یک اندازه ریسکی هستند، چیزی که ممکن است در عمل اتفاق نیفتد.
دستکاری نسبت شارپ به‌منظور مدیریت سبد سهام و بهبود تاریخچه بازده‌های تعدیل‌شده از نظر ریسک، کار آسانی است. برای این کار، کافی است فواصل اندازه‌گیری بازده را افزایش دهید تا ارزیابی دقیق‌تری به دست آورید که چندان تحت‌تأثیر نوسانات قرار نگرفته باشد. برای مثال، انحراف معیار سالانه بازده روزانه، از انحراف معیار سالانه بازده هفتگی و آن هم به‌نوبه خود از انحراف معیار سالانه بازده ماهانه، به‌شکل قابل‌توجهی بیشتر است.
روش دیگری هم برای شناسایی داده‌هایی که بر بازده تعدیل‌شده از نظر ریسک تأثیر می‌گذارند و احتمال دارد اطلاعات درست مربوط به آن را تحریف کنند، وجود دارد. در این روش کافی است برای تجزیه و تحلیل بهترین نسبت شارپ احتمالی، دوره‌های زمانی خاصی را در نظر بگیریم.
نتیجه‌گیری
اگر قصد دارید بهترین سرمایه‌گذاری‌ها را برای سبدتان انتخاب نمایید، باید ارزیابی ریسک و پاداش را همزمان با هم صورت بدهید. در واقع ، این همان نکته اصلی میباشد که نظریه سبد مدرن فراهم می‌کند. وقتی پای ریسک به میان می‌آید، این انحراف معیار یا واریانس میباشد که پاداش (سود) سرمایه‌گذاران را کاهش می‌دهد. بنابراین در هر تصمیمی که جهت سرمایه‌گذاری می‌گیرید، در مجاورت سود، باید ریسک‌ها را هم بررسی نمایید.
به خاطر داشته باشید که نسبت شارپ، اطلاعات چندان ارزشمندی را درخصوص حرکات قیمتی و پیش‌بینی آنها ارائه نمیکند. در حقیقت این نسبت را باید به‌عنوان نوعی ابزار پشتیبان به جهت ارزیابی ریسک/ بازده در یک سبد در نظر بگیرید. این موضوعِ مهمی میباشد که همه افراد حاضر در بازار ارزهای دیجیتال باید به آن توجه داشته باشند، زیرا اغلب در این بازار با فراز و نشیب های پیش‌بینی نشده روبه‌رو خواهند شد.
در مجموع، نسبت شارپ ابزاری عالی جهت کمک به شما در پیدا کردن و انتخاب بهترین سرمایه‌گذاری با بالاترین بازده ممکن میباشد و همزمان ریسک‌ها را هم در نظر خواهد گرفت.
