2.3 夏普骗术：为什么夏普 3 的产品可能是雷¶
夏普比率是 FOF 行业最被信任、也最被滥用的指标。
这一章把"高夏普背后的骗局"拆开，让你看到一个 Sharpe 5 的产品如何在合规框架内"合法造假"。
一、夏普比率的"光环"和"漏洞"¶
1.1 为什么夏普如此被信任¶
1966 年由 William Sharpe 提出（诺贝尔奖得主），核心思想：
优雅之处： - 单一数字比较 不同策略 - 风险调整收益（不只看绝对收益） - 数学直觉清晰（多承担一份波动换多少超额）
业内默认共识： - Sharpe > 1 = 合格 - Sharpe > 2 = 优秀 - Sharpe > 3 = 顶级 - Sharpe > 5 = 世界一流
这个"默认共识"本身就是骗术的温床。
1.2 夏普的 5 个核心漏洞¶
漏洞 1：假设收益正态分布¶
问题： - 大部分策略收益不是正态分布 - CTA 趋势：右偏（少数大赚） - 市场中性：左偏（少数大亏） - 杠杆策略：尾部肥厚
结果： - 正偏策略 Sharpe 低估 真实吸引力 - 左偏 / 肥尾策略 Sharpe 高估 安全性
漏洞 2：用波动率衡量风险（双向）¶
问题： - 波动率把"赚得多"也算"风险" - 投资者真正在意的是亏损方向的波动
结果： - 趋势策略 Sharpe 低估 - "稳定向下"的策略（持续小赚）Sharpe 高估
漏洞 3：忽略尾部风险¶
问题： - 夏普只看前两阶矩（均值 + 方差） - 不看偏度（三阶）和峰度（四阶）
结果： - "99% 时间小赚 + 1% 时间爆亏"型策略夏普高 - 但实际尾部风险毁灭性
典型案例：LTCM 长期资本管理，1990s 初 Sharpe 4-5，1998 年破产。
漏洞 4：依赖数据频率¶
问题： - 不同频率算出的 Sharpe 可以差 30-60% - 月频高估，日频低估，周频居中
结果： - 同一策略，月频 Sharpe 6 + 日频 Sharpe 3 都"合规"
漏洞 5：依赖样本期长度¶
问题： - 短样本（< 18 个月）Sharpe 统计上不显著 - "一年走对" ≠ "十年都对"
结果： - 新成立产品 Sharpe 5+ 看似神奇，实际是运气
二、夏普骗术的"七个手法"¶
2.1 手法 1：月频造假¶
数学原理¶
月频 Sharpe：
日频 Sharpe：
关键问题： - 月度数据忽略月内波动 - 真实波动率被低估 30-50% - 结果：Sharpe 被高估 30-50%
实例（彬元中性 1 号）¶
- 月频 Sharpe = 6.52
- 日频 Sharpe = 4.17
- 差距：36%
这个差距是结构性的，不是计算错误。月频天然高估。
销售话术¶
"我们月度 Sharpe 6.5+，业绩稳定。"
识别方法¶
直接追问： - "你们 Sharpe 是月频还是日频？" - "能不能给日频净值我自己算？"
红线： - 拒绝提供日频数据 = 在隐藏什么 - 月频 Sharpe > 5 + 拒绝日频 = 几乎肯定有水分
2.2 手法 2：样本剪裁¶
操作方式¶
- 选择最有利的时间窗口
- 避开亏损期
- 用"近 N 年"代替"成立以来"
实例¶
某产品 2018 年成立：
| 时间窗口 | 年化 | Sharpe |
|---|---|---|
| 2018-2020（牛市） | +35% | 2.8 |
| 2021-2023（震荡） | +5% | 0.6 |
| 2024（小盘行情） | +28% | 2.2 |
| 成立以来（2018-2024） | +15% | 1.4 |
| 销售展示："近 1 年" | +28% | 2.2 |
| 销售展示："近 3 年" | +12% | 1.0 |
销售选哪个？：当然选 "近 1 年" 的 Sharpe 2.2。
识别方法¶
- 要完整时间序列（成立以来的月度 / 日度数据）
- 自己分段算（按年、按市场环境、按风格周期）
- 看滚动 12 个月 Sharpe 的最低值（不是平均值）
2.3 手法 3：基准操纵¶
操作方式¶
夏普中的"无风险利率"通常取 1.5-2%（中国 10 年国债）。
但有些管理人用 0% 作无风险利率（让 Sharpe 看起来更高）。
更恶劣的是：用自定义基准作为无风险利率（如 -2% 的偏股基金指数收益）。
数学影响¶
策略年化 12%，年化波动 8%： - 无风险利率 0%：Sharpe = 12/8 = 1.5 - 无风险利率 1.5%：Sharpe = (12-1.5)/8 = 1.31 - 无风险利率 2%：Sharpe = (12-2)/8 = 1.25 - 无风险利率 -2%：Sharpe = (12-(-2))/8 = 1.75
差距 40%！
识别方法¶
- 追问"你们用什么作为无风险利率？"
- 标准是 1.5-2%（10 年国债）
- 用 0% 已经是少算
- 用负数明显造假
2.4 手法 4：净值平滑¶
操作方式¶
- 延迟披露：净值大跌时延迟披露，等修复后才披露
- 错峰披露：月底/季末披露时挑"漂亮日"
- 混资产平滑：用银行理财、货币基金等的稳定收益填平股票策略的波动
数学影响¶
策略真实月度收益序列：[+5, -3, +4, -2, +6, -4, +5, -3, +4, -2, +6, -4] - 真实年化 = 12% - 真实月度 Std = 4.3% - 真实年化 Std = 14.9% - 真实 Sharpe = 12/14.9 = 0.81
平滑后展示：[+1, +1, +1, +1, +1, +1, +1, +1, +1, +1, +1, +1] - 展示年化 = 12% - 展示月度 Std = 0% - 展示 Sharpe = 无穷大
当然不会平滑成 0%，但平滑 50% 是常见的。
识别方法¶
- 要日频数据（平滑得越细越难）
- 看托管行原始数据（不是管理人自报）
- 观察净值曲线的"光滑度"（异常光滑必有水分）
2.5 手法 5：数据生存偏差¶
操作方式¶
- 一家管理人有 10 只产品
- 选业绩最好的 1 只展示
- 其他 9 只不提
数学影响¶
10 只产品的真实业绩分布：
| 产品 | 年化 | Sharpe |
|---|---|---|
| 1 号（展示） | +30% | 2.5 |
| 2-10 号（平均） | +5% | 0.5 |
销售数据：Sharpe 2.5；实际管理人能力：Sharpe 0.5。
识别方法¶
- 问"你们一共有多少只同策略产品？"
- 要所有同策略产品的业绩（不是挑一只）
- 看产品业绩离散度（如果某只远超其他，可能是运气）
2.6 手法 6：回测优化¶
操作方式¶
- 在历史数据上反复优化策略参数
- 找到"最优"参数组合
- 用这个组合算出 Sharpe 5+
- 实盘运行后跌到 Sharpe 1-2
数学影响¶
回测过拟合的"夏普衰减率"：
| 优化次数 | 回测 Sharpe | 实盘 Sharpe | 衰减 |
|---|---|---|---|
| 简单策略 | 1.2 | 1.0 | 17% |
| 中度优化 | 2.0 | 1.2 | 40% |
| 重度优化 | 4.0 | 1.5 | 63% |
| 过拟合 | 8.0 | 0.8 | 90% |
经验法则：回测 Sharpe > 实盘 Sharpe 2 倍 = 严重过拟合。
识别方法¶
- 看 in-sample vs out-of-sample 测试
- 看实盘 vs 回测的衰减率
- 看模型迭代的稳健性（参数小变化下 Sharpe 是否稳定）
2.7 手法 7：分母美化（极端值剔除）¶
操作方式¶
- 算波动率时剔除"极端"日（如波动 > N% 的日）
- 美其名曰"清理异常数据"
- 但剔除的恰恰是真实的尾部风险
数学影响¶
策略 1 年日收益分布： - 250 天正常：Std = 1% - 2 天爆亏：-15% 和 -20% - 真实年化 Std ≈ 35%
剔除 2 个极端日： - 248 天："清理后"年化 Std ≈ 16%
Sharpe 翻倍！
识别方法¶
- 问"波动率怎么算的？有没有剔除极端值？"
- 看历史日收益分布的完整图（不要均值统计）
- 看尾部风险（VaR / CVaR）
三、不同策略的"夏普可信度"¶
3.1 各策略的真实 Sharpe 区间¶
| 策略类别 | 头部 Sharpe | 行业平均 | 警惕区间 |
|---|---|---|---|
| 股票主观多头 | 1.0-1.5 | 0.6-0.9 | > 2.0 |
| 量化指增（绝对收益版） | 0.8-1.2 | 0.5-0.8 | > 1.5 |
| 量化指增（超额版） | 2.5-3.5 | 1.5-2.0 | > 4.0 |
| 市场中性（日频） | 3.0-4.5 | 2.0-2.8 | > 5.0 |
| 市场中性（月频） | 5.0-7.0 | 3.0-4.5 | > 8.0 |
| CTA | 1.2-1.8 | 0.7-1.1 | > 2.5 |
| 套利 | 2.0-3.0 | 1.2-1.8 | > 4.0 |
| 宏观对冲 | 1.0-1.5 | 0.7-1.0 | > 2.0 |
关键：任何策略 Sharpe 进入"警惕区间"都要细查。
3.2 同策略不同 Sharpe 对照¶
实例：市场中性策略
- Sharpe（日频） = 4.17 + 9 个月样本 → 优秀但样本短（彬元中性 1 号）
- Sharpe（日频） = 5.0 + 36 个月样本 → 顶级，需深度尽调
- Sharpe（月频） = 6.5 + 9 个月样本 → 几乎肯定虚高
- Sharpe（日频） = 8.0 + 任何样本 → 几乎肯定造假
四、识别夏普骗术的"五步诊断"¶
Step 1：问数据频率¶
追问： - "Sharpe 用日频还是月频算？" - "如果是月频，能不能给日频数据让我自己算？"
红旗： - 不愿提供日频 - 给的"日频"实际是月频内插的
Step 2：问样本期¶
追问： - "Sharpe 是基于什么时间窗口？成立以来还是近 N 年？" - "成立以来的滚动 12 个月 Sharpe 的最低值是多少？"
红旗： - 只展示"近 1 年" / "近 6 个月" - 拒绝给完整时间序列
Step 3：问无风险利率¶
追问： - "Sharpe 用什么无风险利率？" - "如果用 1.5%（10 年国债），重新算的 Sharpe 是多少？"
红旗： - 用 0% 或负数 - 用自定义基准
Step 4：问指标自洽¶
追问： - "Sortino / Calmar / 月度胜率分别是多少？" - "这些指标和 Sharpe 是否一致？"
红旗： - 高 Sharpe + 低 Sortino = 收益负偏（"小赚大亏"） - 高 Sharpe + 低月度胜率 = 少数月份拉起 - 高 Sharpe + 高 Beta = 不是真 alpha
Step 5：问极端事件¶
追问： - "2018 / 2020 / 2022 / 2024 等极端市场环境下的表现？" - "成立以来最大单日 / 单周亏损？"
红旗： - 避而不答 - 数据"恰好"避开极端事件
五、案例：4 个 Sharpe 5+ 的产品分析¶
5.1 案例 A：合理的 Sharpe 5（罕见但存在）¶
特征： - 日频 Sharpe 5 - 样本期 > 36 个月 - 用 1.5% 无风险利率 - Sortino 7+，Calmar 4+，月度胜率 90%+ - 各极端事件期间均有正向表现 - 有完整的归因报告（CMS / 国泰君安 / 中信）
判断：可能是真的顶级量化中性 / 套利策略。但仍需深度尽调。
5.2 案例 B：月频虚高的 Sharpe 5¶
特征： - 月频 Sharpe 5 - 日频 Sharpe 3.2 - 样本期 18 个月 - 月度胜率 85%
判断： - 真实 Sharpe 是 3.2，已经优秀 - 月频 5 是虚高 - 试水配置可以，但不要按 Sharpe 5 估值
这就是彬元中性 1 号的画像（月频 6.52 → 日频 4.17，9 个月样本）。
5.3 案例 C：净值平滑的 Sharpe 5¶
特征： - 月频 Sharpe 5（看似合理） - 日频净值"曲线极光滑"（异常） - 月度胜率 100% - 拒绝给托管行原始数据
判断： - 净值平滑嫌疑大 - 绝对不投
5.4 案例 D：过拟合的 Sharpe 5¶
特征： - 回测 Sharpe 5 - 实盘 Sharpe 1.5 - 实盘 6 个月 - 团队强调"算法先进"
判断： - 过拟合严重 - 实盘 Sharpe 才是真的 - 可以小仓位试水观察
六、夏普之外，FOF 该看什么¶
6.1 替代指标体系¶
对市场中性 / 套利： - Sharpe（日频）+ Sortino + Calmar + 月度胜率 + Beta + 风格暴露
对 CTA： - Calmar + Sortino + 最大回撤 + 修复天数 + 品种贡献分布
对股票多头 / 量化指增： - 超额 Sharpe + 信息比率 + 月度胜率 + 跟踪误差
对宏观对冲： - Sharpe + 危机时段表现 + 与单资产相关性
6.2 业绩归因比 Sharpe 重要¶
Sharpe 告诉你"赚了多少"，归因告诉你"怎么赚的"。
详见卷三 归因拆解。
七、销售话术速查表¶
| 话术 | 真实意思 / 红旗 |
|---|---|
| "我们 Sharpe 5+" | 几乎肯定月频 / 短样本 / 平滑 |
| "我们风险调整收益高" | 模糊表述，要追问具体指标 |
| "我们波动率低" | 可能净值平滑 / 月频虚低 |
| "我们绝对收益稳定" | 看是不是基差红利 / 风格 β 包装 |
| "我们 Calmar 5+" | 短样本未经历真正回撤期 |
| "我们 Sortino 4+" | 看下行波动率怎么算的，阈值是多少 |
| "我们成立以来 Sharpe 3" | 看成立时间，可能样本短 |
| "我们最近 N 年 Sharpe 4" | 选择性时间窗口，要看完整序列 |
八、一句话总结¶
夏普 = 一个数字，背后藏着 7 个变量
我们不能因为"Sharpe 高就是好"，必须反向追问每个变量的取值。
夏普使用的 3 个第一性原理：
- 必须用日频 —— 月频虚高 30-60%
- 必须看长样本（36 月+） —— 短样本统计不显著
- 必须交叉验证 —— Sharpe 单独看会骗，多指标交叉很难骗
最硬的一个追问（拿到任何"高夏普"产品时自问）：
"如果重新用日频 + 完整样本期 + 1.5% 无风险利率算 Sharpe，结果还是这么高吗？"
如果不是 → 真实 Sharpe 通常是展示值的 50-70%，按真实值评估。
记住：信任夏普的 FOF 团队最容易被骗。会拆夏普的 FOF 团队才是专业的。