À qui cette notion est utile — À toute personne qui compare rendement et variabilité et veut éviter des classements fondés sur des séries, références ou annualisations incompatibles.
Le ratio de Sharpe exprime la moyenne d’un rendement différentiel par unité d’écart-type du même rendement. William F. Sharpe a nommé la mesure initiale reward-to-variability ratio et, en 1994, a précisé une formulation générale fondée sur la différence entre le fonds et le benchmark pertinent.
Avec des observations périodiques :
Dₜ = Rₚ,ₜ − Rᵦ,ₜ; SR = moyenne(Dₜ) / sd(Dₜ)Lorsque le benchmark est un actif sans risque cohérent par devise et durée, le numérateur est souvent appelé rendement excédentaire. Si le benchmark est un indice risqué, la mesure porte sur le rendement différentiel et se rapproche conceptuellement d’autres métriques relatives ; il faut le déclarer sans le qualifier automatiquement d’excédent sur le taux sans risque.
Ex ante et ex post
Le Sharpe ex ante emploie les valeurs attendues du rendement différentiel et du risque. Le Sharpe ex post emploie la moyenne et l’écart-type observés. Le second est une estimation historique sur échantillon ; il ne devient pas automatiquement une prévision.
Le rapport doit déclarer :
- la période et le nombre d’observations ;
- la fréquence et le calendrier ;
- la devise et le traitement du change ;
- rendement de prix ou total ;
- rendements bruts ou nets et coûts inclus ;
- le benchmark et sa source ;
- écart-type de l’échantillon ou de la population ;
- la méthode d’annualisation ;
- série réelle, simulée ou composite.
Comparer un Sharpe net quotidien sur cinq ans à un Sharpe brut mensuel sur douze mois ne produit aucun classement significatif.
Annualisation et autocorrélation
Une formule très répandue est :
SR_ann ≈ SR_période × √moù m est le nombre de périodes annuelles. Cette mise à l’échelle
suppose que moyenne et variance croissent de la façon attendue. Avec
autocorrélation, lissage, rendements chevauchants ou volatilité variable,
multiplier par √12, √252 ou √365 peut
fausser le résultat.
Andrew Lo montre que la statistique du Sharpe et son annualisation dépendent de la corrélation sérielle. Une fréquence plus élevée n’est pas automatiquement plus informative : prix périmés et stratégies illiquides peuvent produire une courbe artificiellement lisse.
Pourquoi il n’existe pas de seuil universel
Les classements du type « sous 1 médiocre, au-dessus de 2 excellent » omettent :
- classe d’actifs et benchmark ;
- fréquence, fenêtre et capacité ;
- levier et liquidité ;
- coûts, frais et impôts ;
- biais de sélection et nombre de stratégies testées ;
- asymétrie, queues et drawdown ;
- incertitude de l’estimation.
Un Sharpe élevé peut venir d’un échantillon court, d’un lissage, d’un profil avec de petits gains fréquents et de rares pertes, ou de la sélection du meilleur résultat parmi de nombreux essais. Un Sharpe négatif complique aussi l’intuition « plus élevé est toujours meilleur » lorsque le levier ou la référence change. Cette métrique est une coordonnée, pas une note universelle.
Sharpe, Sortino et ratio d’information
| Mesure | Numérateur | Dénominateur | Question |
|---|---|---|---|
| Sharpe | moyenne du rendement différentiel | écart-type du même différentiel | quelle moyenne par unité de variabilité ? |
| Sortino | moyenne au-dessus d’une cible | déviation baissière par rapport à la cible | quelle moyenne par unité d’écart sous la cible ? |
| Ratio d’information | rendement actif moyen | erreur de suivi | quelle performance relative par unité de risque actif ? |
Ces mesures ne sont pas interchangeables. Changer de dénominateur modifie la notion de risque ; changer de benchmark modifie la série étudiée.
Exemple
Une stratégie hypothétique affiche des rendements différentiels mensuels de
moyenne 0,40% et d’écart-type empirique 2% :
SR_mensuel = 0,40 / 2 = 0,20Sous les hypothèses de mise à l’échelle par racine du temps,
SR_ann ≈ 0,20 × √12 ≈ 0,693. Si les rendements sont autocorrélés,
le calcul correct exige les covariances entre périodes ; si la série est brute
de coûts, le résultat ne décrit pas l’expérience nette. L’exemple illustre la
formule et ne dit pas si 0,693 est acceptable.
Limites statistiques et de processus
Comme il emploie moyenne et écart-type, le Sharpe :
- est sensible aux valeurs aberrantes ;
- traite symétriquement écarts positifs et négatifs ;
- peut masquer une distribution à queue gauche ;
- dépend du benchmark et du taux sans risque ;
- ne sépare ni chance, ni facteurs, ni levier, ni compétence ;
- ne corrige seul ni data snooping ni biais de survivance ;
- ne mesure ni capacité, ni liquidité, ni drawdown ;
- est indéfini lorsque l’écart-type est nul.
Choisir une stratégie parmi de nombreux backtests augmente la probabilité de trouver une métrique favorable. Il faut lire le résultat avec le registre des essais, des données hors échantillon, les coûts et des intervalles d’incertitude.
Erreur fréquente — Déduire le Sharpe du CAGR et du drawdown maximal. Son dénominateur est l’écart-type de la série périodique : drawdown et volatilité décrivent des propriétés différentes.
Sources
- William F. Sharpe, The Sharpe Ratio, The Journal of Portfolio Management (1994) — formulation générale, versions ex ante et ex post et rendement différentiel.
- William F. Sharpe, Mutual Fund Performance, The Journal of Business (1966) — travail initial sur la mesure reward-to-variability.
- Andrew W. Lo, The Statistics of Sharpe Ratios, Financial Analysts Journal (2002) — distribution empirique, autocorrélation et annualisation.
- CFA Institute, Investment Risk and Performance — comparaison de Sharpe, erreur de suivi, ratio d’information, alpha et bêta.
- GIPS Standards, Handbook for Firms — informations sur les mesures supplémentaires et identification du taux sans risque.