Метрики риска и эффективности (Risk-Adjusted Metrics)

Оценивать инвестиционный портфель только по абсолютной доходности недостаточно: высокий результат может быть следствием взятия неоправданно высокого риска. Платформа Firewire Analytics рассчитывает комплекс институциональных метрик риска для объективной оценки качества управления капиталом.

Раздел: Методология · Риск-менеджмент · Обновлено 11 октября 2026

1. Коэффициент Шарпа (Sharpe Ratio)

Коэффициент Шарпа показывает избыточную доходность портфеля над безрисковой ставкой (ключевой ставкой ЦБ РФ), приходящуюся на единицу общего риска (стандартного отклонения доходностей):

$$\text{Sharpe} = \frac{R_p - R_f}{\sigma_p} \cdot \sqrt{N}$$

где:

$R_p$ — средняя доходность портфеля за один интервал между снимками стоимости (очищенная от пополнений и выводов);
$R_f$ — безрисковая доходность за тот же интервал: ключевая ставка ЦБ РФ, пересчитанная на длину интервала;
$\sigma_p$ — стандартное отклонение (волатильность) доходностей портфеля по интервалам;
$N$ — коэффициент аннуализации: 252 при ежедневных снимках, иначе $365 / \bar{d}$, где $\bar{d}$ — средняя длина интервала в днях.

Интерпретация результатов:

Sharpe < 0,5 — слабый результат, принимаемый риск не окупается доходностью;
0,5 – 1,0 — хороший показатель для сбалансированного портфеля;
Sharpe > 1,0 — отличная эффективность управления риском;
Sharpe > 2,0 — выдающийся институциональный уровень.

2. Коэффициент Сортино (Sortino Ratio)

В отличие от коэффициента Шарпа, который штрафует портфель за любую волатильность (включая скачки вверх), коэффициент Сортино учитывает только негативную волатильность (Downside Deviation):

$$\text{Sortino} = \frac{R_p - R_f}{\sigma_{\text{down}}} \cdot \sqrt{N}$$

где $N$ — тот же коэффициент аннуализации, что и у коэффициента Шарпа, а $\sigma_{\text{down}}$ — нисходящее отклонение (Downside Deviation): учитываются только интервалы, где доходность $r_i$ ниже безрисковой $R_f$, а делится сумма на общее число интервалов $n$:

$$\sigma_{\text{down}} = \sqrt{\frac{1}{n} \sum_{r_i < R_f} (r_i - R_f)^2}$$

3. Коэффициенты Альфа ($\alpha$) и Бета ($\beta$)

Сравнивают портфель с эталонным рыночным бенчмарком — Индексом МосБиржи полной доходности MCFTR (с учетом реинвестирования дивидендов; ценовой индекс IMOEX для этого не подходит):

Бета ($\beta$) — чувствительность портфеля к рынку. $\beta = 1$ означает движение синхронно с бенчмарком, $\beta > 1$ — повышенную волатильность, $\beta < 1$ — защитный характер активов. Firewire считает бету регрессией: берутся те же очищенные от пополнений и выводов подпериодные доходности портфеля $r_p$, что и для Шарпа, и доходности индекса MCFTR $r_m$ за те же даты (по данным ISS МосБиржи): $\beta = \dfrac{\operatorname{cov}(r_p, r_m)}{\operatorname{var}(r_m)}$. Метод виден в поле методологии метрики (2.0-regression-mcftr). Если совпавших точек меньше 20 (примерно месяц торгов) или истории индекса нет, остаётся справочная оценка — средневзвешенная по стоимости бета позиций $\beta_p = \sum_i w_i \beta_i$ (облигации — 0,15, денежные средства — 0, акции — 1,05 либо индивидуальная бета для крупнейших эмитентов; методология 1.0-weighted).
Альфа ($\alpha$) — избыточная доходность сверх той, что объясняется рыночным риском (альфа Йенсена). Положительная Альфа показывает мастерство отбора бумаг (Stock Picking):

$$\alpha = \left[ \overline{(r_p - r_f)} - \beta \cdot \overline{(r_m - r_f)} \right] \cdot N$$

где $r_p$ и $r_m$ — подпериодные доходности портфеля и MCFTR, $r_f$ — ключевая ставка ЦБ РФ, пересчитанная на длину подпериода, черта — среднее по ряду, $N$ — число подпериодов в году (252 для ежедневных снимков, иначе $365/\text{интервал}$ — как в Шарпе). Альфа — годовая, в процентах. Коэффициент Трейнора считается в тех же единицах: $\dfrac{(\bar r_p - r_f) \cdot N}{\beta}$. В запасном режиме (справочная бета) альфа считается по накопленной доходности портфеля, приведённой к году (сложный процент); для периода короче 30 дней она не отображается.

4. Value at Risk (VaR 95%)

Показатель VaR 95% (Value at Risk) — это величина убытка за один интервал между снимками стоимости (при ежедневных снимках — за день), которую по истории портфеля превышали не более чем в 5% случаев. Иначе говоря, в 95% интервалов потери были не больше VaR. Это не «максимально возможный» убыток: в остальных 5% случаев потери могут быть заметно больше.

Firewire использует исторический метод: доходности портфеля по интервалам сортируются по возрастанию, и VaR берется как модуль доходности на уровне 5%-го квантиля:

$$\text{VaR}_{95\%} = \left| r_{(k)} \right|, \quad k = \lfloor 0{,}05 \cdot n \rfloor$$

где $r_{(k)}$ — доходность с номером $k$ (нумерация с нуля) в отсортированном ряду из $n$ значений. Аналогично рассчитывается VaR 99%.

5. Максимальная просадка (Max Drawdown)

Максимальная просадка определяет наибольший процент падения стоимости портфеля от исторического пика (Peak) до локального минимума (Trough) за всё время или выбранный интервал:

$$\text{Max Drawdown} = \frac{\text{Peak Value} - \text{Trough Value}}{\text{Peak Value}} \times 100\%$$

Показатель характеризует психолого-финансовую устойчивость портфеля во время рыночных кризисов.

Оценка несистематического риска и концентрации

Метрики волатильности и коэффициенты Шарпа и Сортино оценивают историческую реакцию портфеля на рыночные колебания. Однако если существенная доля капитала сосредоточена в нескольких эмитентах, портфель несет высокий специфический риск. Для количественной оценки диверсификации и выявления скрытых перекосов Firewire рассчитывает отдельный показатель — Индекс концентрации Херфиндаля-Хиршмана (HHI) и эффективное число активов.

← Назад к разделу Методология