シャープ レシオ と は。 シャープレシオ最大化戦略の特徴とパフォーマンス【スマートベータ】

シャープレシオとは(計算方法と意味・マイナスの場合をわかりやすく解説)|株式投資大百科

シャープ レシオ と は

なぜ、「シャープレシオ」が必要なのか 銀行預金であれば、元本が確定されておりますので、利率と期間だけを確認すれば問題ありません。 しかし、 投資信託については、元本保証はありませんので、リスクとリターンがどの程度あるのかを理解した上で、判断する事が必要です。 そして、 その判断指標の代表的なのが「 シャープレシオ」です。 具体的に、シャープレシオとは 「 リスクを考慮した上でのリターンを計算 することで、真の収益性が分かる」指標でもあります。 別の言葉で言い換えれば「 なるべくリスクを低く、 なるべく高いリターン」 こんな感じです。 シャープレシオの計算方法 基本的には、 シャープレシオの数値が高いほど、リスクを考慮済の収益性が高い、ということになります。 では、具体的な計算方法です。 でも、これだけでは理解できません。 というか、覚える必要などありません。 そこで、有難いサイトがあります。 2つご紹介です。 ここで重要な事は、公表されている期間の実績は全て確認した上で、 期間はなるべく長い期間の実績を重視する事です。 ですので、 ずばり「 10年」です。 まずは、サイトを確認してみて下さい。 本日も、最後までお読み頂き、誠にありがとうございました。 ファイナンシャルプランナー。 1966年札幌生まれ。 1988年4月北海道拓殖銀行入行。 預金業務、中小企業融資、住宅ローン、資産運用等の実務経験を重ねたが、1997年11月に銀行経営破綻により、1998年3月に自主退職。 その後1年間の浪人生活を経て、1999年4月AIU保険会社代理店研修制度で5年間、損害保険、生命保険の実務経験を重ね、2004年12月に恵庭市で独立開業。 2010年6月に現在の会社に合流。 その間2009年にAFPの資格を取得し、以降様々な資格の研鑽を重ねながら、最近はマネーセミナー、個別相談で日々奮闘しております。 2018年10月30日より金融商品仲介業として証券業務を開始しました。 北の マネードクター.

次の

シャープレシオのわかりやすい説明、計算方法や目安の数値のまとめ

シャープ レシオ と は

84 -- 3. 49 -- 54. 40 -- 53. 96 -- 24. 94 -- 24. 【当サイトのご利用について】 当社がウェブサイト等で展開している投資信託、株式、ETFなどの比較検索、アナリストコラム、マーケットニュース、ポートフォリオ機能およびその他の情報などのコンテンツは、あくまでも投資判断の参考としての情報提供を目的としたものであり、投資勧誘を目的としてはいません。 また、当社が信頼できると判断したデータ(ライセンス提供を受ける情報提供者のものも含みます)により作成しましたが、その正確性、安全性等について保証するものではありません。 ご利用はお客様の判断と責任のもとに行って下さい。 利用者が当該情報などに基づいて被ったとされるいかなる損害についても、当社およびその情報提供者は責任を負いません。 【リンク先サイトのご利用について】 モーニングスターウェブサイトの各コンテンツからは外部のウェブサイトなどへリンクをしている場合があります。 リンク先のウェブサイトは当社が管理運営するものではありません。 その内容の信頼性などについて当社は責任を負いません。 【著作権等について】 著作権等の知的所有権その他一切の権利は当社ならびにMorningstar,inc. またはライセンス提供を行う情報提供者に帰属し、許可なく複製、転載、引用することを禁じます。 掲載しているウェブサイトのURLや情報は、利用者への予告なしに変更できるものとします。 ご利用の際は、以上のことをご理解、ご承諾されたものとさせていただきます。

次の

シャープレシオとは?

シャープ レシオ と は

シャープレシオ最大化戦略とは シャープレシオ最大化戦略は、 事前ベースでポートフォリオのシャープレシオを最大化する戦略で す。 もちろん事後的なシャープレシオを最大化できればよいのですが、 そんな将来を見通す魔法のような方法はないため、 あくまでも事前ベース(ポートフォリオ構築時における) で最大化を行います。 事前にシャープレシオが最大のポートフォリオが事後的にも最大に なるわけではないのですが、 実際には事後的に見てもそれほど悪くないパフォーマンスを提供し てくれる戦略です。 シャープレシオ最大化戦略ポートフォリオの作り方 既に述べたように、 シャープレシオ最大化戦略は事前ベースでのシャープレシオの最大 化を行います。 そしてポートフォリオのシャープレシオを求めるためには、 各銘柄のリスク、リターン、相関係数が必要になります。 要は個別銘柄を用いた有効フロンティアを求め、 その中でシャープレシオが最大となる点を使うというイメージにな ります。 ここでの問題は、リスク、リターン、 相関係数をどう設定するかということです。 リスクの推定 リスクの推定には様々な方法がありますが、 よく使われるのはヒストリカルボラティリティを使う方法です。 リスクに関してはリターンとは異なり時系列で比較的安定している ため、ヒストリカルボラティリティで十分な場合が多いです。 もちろんインプライドボラティリティや、 ARCHやGARCHといった手法を使って求めることもできます が、 経験上このような手段をとってもそれほど推定精度は向上しません。 シンプルなヒストリカルボラティリティで十分というのが個人的な 感触です。 どのくらいの期間のデータを使うか ヒストリカルボラティリティを使う時には、 どのくらいの期間のデータを使うのがよいかという問題が発生しま す。 正直ここには答えはありませんが、 個人的には過去5年くらいを推奨します。 5年という期間をとると、概ね経済環境がよかった時、 悪かった時が含まれるため、 これらの期間を含んだ推定値を算出することができます。 より直近の情報を重視したいのであれば1年や2年といった期間で もよいかと思いますが、 期間が短くなるほど推計値が不安定になりますので、 こことの兼ね合いも考慮する必要があります。 リターンの推定 リスクに比べるとリターンの推定は難しいです。 リターンはリスクほど時系列で安定性がないためです。 一番シンプルなのはヒストリカルリターン(過去のリターン) を使うことですが、これには問題があります。 一般的に リターンには平均回帰する性質が あるため、 過去の高いリターンを鵜呑みにしてポートフォリオを作ると、 その銘柄を過度に重視してしまうことになります。 よく使われるのは、 各銘柄でリスクとリターンのバランスが一定で あるという仮定のも と、リターンを推計する方法です。 つまり、 リスクが高い銘柄ほどリターンも高く設定し、 リスクが低い銘柄ほどリターンも低く設定するわけです。 発想としてはCAPM的なものですね。 仮定としてはシンプルすぎる気もしますが、一応筋は通っており、 理論上もそれほど違和感のない仮定の置き方ではないでしょうか。 相関係数の推定 相関係数もリスクと同様、 過去のデータを使って推定することが一般的です。 期間はリスクと同様に5年くらいにすることが比較的多いです。 直近の相関を重視するのであればより短い期間にしたり、 直近のデータに重みをつけたりといった方法もありますが、 この辺りは好みと哲学の問題ですね。 ポートフォリオの構築 入力値としてのリスクとリターン、相関係数が求まれば、 後は最適化でポートフォリオが求まります。 もちろん目的関数はシャープレシオの最大化です。 これで素直にポートフォリオが構築できればよいのですが、 現実には様々な問題に直面します。 最適化というのは、 まったく空気を読まずに目的関数を最大化するように動作するため 、 出来上がりのポートフォリオに違和感が あることが多々あります。 よく ある例としては、• セクターが偏りすぎている• 特定の銘柄のウェイトが高すぎる• 特定のファクターのリスクを取りすぎている といったことです。 これらを解決するためには、 最適化の際に制約条件を加える必要があります。 セクターの偏りを修正したいのであれば、 セクターの上限に制約を加えたり、 個別銘柄のウェイトをコントロールしたいのであれば、 そこにも上限を加えたりします。 このように適切と思われる制約を加えていくことにより、 ポートフォリオの出来上がりは次第に違和感の少ないものとなって きます。 ただし、 制約を加えるということはインプットの情報を削っていくことに等 しいため、理論上は最適化の精度が落ちていくことになります。 出来上がりのポートフォリオに対する違和感と、 加える制約条件のバランスをうまくとっていくことが求められます。 ここは ある意味職人芸ともいえる領域です。 シャープレシオ最大化戦略のパフォーマンス シャープレシオ最大化戦略のパフォーマンスは比較的良好です。 少なくとも ヒストリカルリターンを用いた平均・ 分散最適化よりは優れており、 リスクパリティや最小分散に比べると、 同程度かやや劣るといった感じです。 この辺りはポートフォリオ構築時の制約条件などによっても変わっ てくるので一概には言いにくいところですが、 シャープレシオで測ったパフォーマンスとしては大体上記のような 序列になります。 シャープレシオ最大化戦略のパフォーマンスが比較的良好なのは以 下のような理由になります。 リターンの推定が比較的妥当• リスクと相関係数も推定も無難 リターンの推定が比較的妥当 ここで紹介しているシャープレシオ最大化戦略では、 リターンの推計の際にはその銘柄のリスクを基準としました。 つまり、 ハイリスクハイリターンを仮定しています。 この仮定は現実のマーケットでもそれなりに当てはまるもので、 当たらずとも遠からずといった推計値になります。 正確ではないけどそこまで悪くはない、といったところです。 ヒストリカルリターン(過去のリターンの平均値) を用いるとリバーサル効果でパフォーマンスはめちゃくちゃになる 傾向が あります。 一方で、このリスク対比のリターンが等しいという仮定はまずまず無難な推 計値であり、 これが比較的良好なパフォーマンスに繋がっていると考えられます。 リスクと相関係数の推定も無難 既に述べましたが、 リスクと相関係数についても実に様々な推計値があります。 単純に過去のデータを使った推計は非常にシンプルですが、 じつはそれなりに無難な方法でもあります。 GARCHやARCH、 VARなどを使ってリスクや相関を推計すると、 なんだかプロっぽくて洗練されている感じがしますが、 実際にシンプルなヒストリカルデータを使った場合に比べ、 それほど優位性が あるわけではありません。 この辺りはインデックスファンドとアクティブファンドの比較に通 じるものがあります。 つまり 洗練された方法が必ずしも優れているわけではないのです。 ヒストリカルボラティリティやヒストリカル相関係数は最適な推計 値ではないかもしれませんが、 そんなに悪いものでもなくまずまず無難な推計値と言えます。 この無難な推計値を使っているからこそ、 出来上がりのパフォーマンスもまずまずのものとなるといえます。 シャープレシオ最大化戦略のまとめ シャープレシオ最大化戦略をまとめます。 まず、 シャープレシオ最大化戦略は事前ベースでシャープレシオを最大に するポートフォリオです。 そしてこのポートフォリオを構築するにあたり重要なのは、 リスク、リターン、相関係数の推定です。 それぞれの要素について様々な推定方法がありますが、 必ずしも複雑な方法がよいわけではなく、 単純に過去データを使うようなシンプルな方法でも割とうまくいき ます。 ただし、リターンに関しては過去データの信頼性が低いため、 リスクを基準にリターンを推定します。 これらのインプットを用いて、 シャープレシオが最大になるように構築されたポートフォリオのパ フォーマンスは比較的良好です。 リスクパリティや最小分散にはやや劣りますが、 ヒストリカルリターンを用いた平均・ 分散最適化よりは良好といったイメージです。 シャープレシオ最大化戦略は一般的にはあまり知られておらず、 アカデミックな論文でたまに見かける程度ですが、 マイナーな割にはそこそこ有効な戦略ではないかと思います。 関連記事: 関連記事:.

次の