Az a csodálatos Sharpe

András György
Publio Kiadó
2013
Minden jog fenntartva!
 Előszó
Miért éppen a Sharpe? - teheti fel a kérdést az olvasó. A válaszhoz több mint 50 évet kell
visszamennünk az időben. A Sharpe arányszám első változatát már az 1950-es években
megalkották, majd folyamatos tökéletesítés eredményeként 1994-ben nyerte el a ma
használatos formáját. Akarom mondani: ezernyi ma használatos formájának alapját. A
Sharpe mutatót nemcsak tiszteletet parancsoló, több mint fél évszázados története, de
gazdag, sokszínű alkalmazása teszi megkerülhetetlenné a befektetések világában. Sokat
változott a világ az 50-es évek óta, különösen a befektetések világa, de a Sharpe élőbb, mint
valaha.
Magyarországon persze kicsit más a helyzet. A befektetési alapok története 20 évvel
ezelőtt kezdődött. Az első évtizedben aligha igényelt bármilyen matematikai apparátust az
alapok hasonlítgatása, legfeljebb egy abakuszra volt szükség az alapok számának
nyilvántartására is. Az utóbbi években érte el a magyar befektetési piac azt az érettséget,
választékot a lehetőségek terén, ami már jelentősen nehezíti a kiválasztást a hagyományos
módszerek alkalmazásával.
Mi a hagyományos módszer? Erről, és legfőképpen az elkövetett hibákról, már írtam
előző könyvemben, A lusta portfólióban, így most csak a száraz tény következzen. A
befektetési alapok kiválasztása szinte kizárólag a múltbeli hozamok alapján történik. Ezen
belül, általában az egy éves hozam alapján. A szolgáltatók így beszélik rá az ügyfeleket, az
összehasonlító weboldalak, gazdasági újságok elvétve közölnek más adatokat, mint az
elmúlt x hónap, év hozama. Természetesen minden ismertetőbe, cikkbe odabiggyesztik a
kitételt: a múltbeli hozamok nem jelentenek garanciát, blabla… Akkor miért csak a
hozamokat idézik? Vicces volna? Szerintem nem.
A szigorú és kellően igazságtalan kritika mellett vegyük észre: megjelentek már az első
fecskék is. Találtam olyan weboldalt, amelyik közli a Sharpe mutató értékét is minden
listázott alapnál. Egyre több helyen szerepel a leírás, hogy mi az a Sharpe érték. Sajnos a
számítás módja, és a rövid ismertető mellett nem szerepel a befektetők számára igazán
fontos információ. Milyen hozzáadott értéket képvisel a Sharpe? Mire és mikor használható?
Így jutottunk el azokhoz a kérdésekhez, amelyekre választ kíván adni ez a könyv. Nem
elméleti, hanem gyakorlati válaszokat.
Természetesen az elmélet nem kerülhető meg teljes mértékben, az első fejezetben
ismertetem a Sharpe arányszám történetét, számításának módját. Utána szó esik a képlet
pénzügyi jelentéséről, logikai tartalmáról, reményeim szerint, kicsit kiemelve a matematika
absztrakt világából. Szintén írni fogok néhány alternatív mutatószámról, többek között azért,
hogy pontosan érthető legyen, milyen korlátai, hiányosságai vannak a Sharpe
arányszámnak.
A nem túl bonyolult, de az alkalmazás szempontjából elengedhetetlen elméleti háttér
tisztázása után, már csak gyakorlati fejezetek következnek. Konkrét példák és adatok.
Tárgyalni fogom egy arany-részvény, illetve egy arany-részvény-kötvény hármas portfólióban
a Sharpe időzítésre alkalmas szerepét. A következő fejezetben (amerikai) nagyvállalatok
részvényei között történő választásra mutatok példát. Majd végül a magyar befektetési
alapok világában teszünk kirándulást, megvizsgálva, mit kínál nekünk a Sharpe ezen a téren.
A gyakorlati rész befejezésében mindenkit arra fogok biztatni, hogy maga számolja ki a
Sharpe arányszámot, ne mások munkájára hagyatkozzon. Ugyanis a Sharpe egyik
legfontosabb tulajdonsága az egyszerű, bárki által, egy Excel táblában reprodukálható
számítási módszer. Többek között ez emelte ennek, és sok más, befektetési döntésekkel
foglalkozó írás központi szereplőjévé is.
Induljon a kirándulás a Sharpe csodálatos világába!
2013. november 20.
 Egy kis elmélet
A Sharpe arányszám történetének kezdete még a XX. század közepére nyúlik vissza, de
a végső változatot 1994-ben vetette papírra William Sharpe. Az elkövetkezőkben csak olyan
mélységig szeretném tárgyalni Sharpe munkáját, amit a képlet használatához
elengedhetetlen minimumnak tekintek. Azok számára, akik az átlagnál magasabb
matematikai érdeklődéssel bírnak, a wikipedia szócikkét javaslom további tanulmányozás
kiinduló pontjaként.
A képlet a következő:

Sajnos a várható portfólió hozam matematikai megfogalmazása nem is olyan egyszerű

mutatvány, így ígéretemhez híven azonnal egyszerűsítésbe is kezdek. A várható portfólió
hozamot a továbbiakban az adott időszakban megvalósult hozam(ok)kal fogom
helyettesíteni. Szintén elhagyjuk a képletben szereplő kockázatmentes hozam értéket,
ugyanis a későbbiekben kizárólag egyazon időszakokra számított Sharpe mutatókat fogunk
összevetni egymással, így ez az érték állandónak tekinthető. Az egyszerűség kedvéért
nullának vesszük.
Az egyszerűsítések után megmaradó Sharpe képletünk tehát: a portfólió hozama osztva
a portfólió (hozamának) szórásával. Ennél tovább már nem mehetünk, de nehogy azt
gondolja bárki, hogy az általam használt egyszerűsítések hasra ütésszerűek. A Sharpe
gyakorlati használatában jellemző az eredeti képlet általam bemutatott egyszerűsítése.
Hogyan is néz ki a Sharpe arányszám kiszámítása a gyakorlatban? Sajnos elég
sokféleképpen.
Az egyik elterjedt módszer, hogy a portfólió havi hozamait tekintjük a kiinduló sorozatnak.
A havi hozamok (évesített) átlaga lesz a képlet számlálója és a havi hozamok szórása kerül
a nevezőbe.
A havi adatoknál egy fokkal pontosabb számításra törekvő alapok esetében, ugyancsak
elterjedt módszer a napi hozamok megtétele kiinduló sorozatnak. Ebben az esetben a napi
hozamok (évesített) átlagát írják a számlálóba, és a napi hozamok szórását a nevezőbe.
Természetesen folytatható a sor, nyugodtan kiindulhatunk a heti hozamadatokból vagy
éppen a kéthetes hozamadatokból, ha ahhoz támad kedvünk. A probléma az, hogy a
különböző időszakokra vonatkozó sorozatokból számított Sharpe arányszámok jelentősen
különbözni fognak! Így már el is érkeztünk a Sharpe gyakorlati felhasználásának két fontos
sarokkövéhez:
- a Sharpe mutató kizárólag különböző portfóliók, befektetések összehasonlítására
alkalmas, önmagában nincs jelentéstartalma
- a Sharpe csak abban az esetben alkalmas összehasonlításra, ha pontosan ugyanazzal
a képlettel, ugyanolyan idősor alkalmazásával számítottuk ki.
Tehát, amikor egy weboldalon azt olvassuk, hogy a Szuper AHA alap Sharpe mutatója
1.3, azt nem vethetjük össze egy másik weboldalon szereplő Hiper AHA alapra vonatkozó
0.9-es értékkel. Kivéve, ha meggyőződtünk róla, hogy pontosan ugyanúgy számolják
mindkét helyen. Feltételezni az azonos módszert semmiképpen sem szerencsés, a Sharpe
számításának nincs hivatalos módja. Azt az elterjedt vélekedést is érdemes figyelmen kívül
hagyni, miszerint a Sharpe mutató önmagában megmondja, hogy egy befektetési alap
mennyire „jó”. Azt szokták állítani, hogy az 1 fölötti Sharpe érték már jó, 2 felett meg már
egészen kitűnő. Csak azt nem mondják meg hozzá, hogyan számolták az arányszámot!
Szumma szummárum, ha nem akarunk eltévelyedni a számok dzsungelében, akkor
célszerű a lehetőleg magunk által számolt, de mindenképpen azonos képletből származó
Sharpe értékeket csak és kizárólag összehasonlításra használni.
 Mit jelent a Sharpe?
Függetlenül attól, hogy mennyire lecsupaszított képletet használunk, a Sharpe arányszám
azt fejezi ki, milyen egyenletesen jutottunk egy adott időszak hozamához. Annál magasabb
(jobb) az értéke, minél egyenletesebb a hozam eloszlása az adott időszakon belül.
Nézzünk néhány példát. Először legyen a havi (nincs jelentősége az időszaknak)
hozamok listája legyen a következő sorozat:
5%, 5%, 5%, 5%
Ennek a sorozatnak a szórása 0 lesz, így a Sharpe „végtelenül jó” értéket ad. Ez lenne
minden világok legjobbika, legalábbis Sharpe szerint. Persze a valóságban aligha találunk
ilyen ideális állapotokat, így nézzünk meg néhány más esetet:
0%, 10%, 0%, 10% ;
-5%, 15%, -5%, 15% ;
0%, 0%, 0%, 20% ;
A hozamok összege minden esetben 20%, így a Sharpe értékét a nevezőben szereplő
szórás fogja meghatározni. Az első esetben a szórás értéke 5.77, a másodikban 11.54, a
harmadikban pontosan 10 lesz. Tehát a Sharpe mutató értéke az első esetben nagyjából
dupla akkora lesz a másik két esethez képest, míg az utóbbi két eset közül, kis mértékben,
de a harmadik sorozatot preferálja a másodikkal szemben.
A fenti egyszerű példák már meg is mutatják a Sharpe legfontosabb jellemzőit. Minél
kisebb a hozam ingadozása, annál jobb a Sharpe értéke. Az kevésbé számít, hogy a hozam
ingadozása milyen irányú. Sokan ez utóbbi tulajdonságot tartják a mutató legnagyobb
gyengeségének. Az ő véleményük szerint a fenti négy sorozatból messze az a
„legrosszabb”, amelyik negatív hozamokat is tartalmaz. A Sharpe használatával is ez az
eredmény jött ki, de a kritikusok a számított értékek arányaival elégedetlenek. Valóban
könnyű belátni, hogy a Sharpe produkál a józan észnek ellentmondó eseteket. A legutolsó,
0%,0%,0%,20% sorozatban például, ha a végső 20-as értéket lecsökkentjük 10-re, akkor a
szórás is a felére csökken, így a Sharpe értéke változatlan marad. Márpedig egy fele akkora
hozamú portfólióra aligha mondhatjuk, hogy ugyanolyan jó, mint a másik. Az elszórtan
jelentkező kiemelkedő hozamokat tartalmazó sorozatok problémát jelentenek a Sharpe
számára és ez a való életben nem is olyan ritkán előforduló eset. A trendkövető rendszerek
tipikusan ilyen hozamkarakterisztikát produkálnak, sok vesztő, kevés nyerő, néhány nyerő
viszont kiemelkedően nagy. Ebből a körből származik kedvenc példám a Sharpe mutató
cikizésére: amikor egy nagy nyerőket is tartalmazó eloszlás esetén kivesszük a legnagyobb
nyerőt a sorozatból, és a Sharpe értéke növekszik. Egész biztos nem lesz jobb attól egy
rendszer, ha kivesszük a legnagyobb nyerőt!
A fenti kritika és - a később felsorolásra kerülő - korlátainak ellenére a mai napig a Sharpe
az egyik legelterjedtebb mutatószám. Ennek valószínűsíthetően az az oka, hogy
tökéletlensége ellenére a gyakorlatban nem találtak olyan másik mutatót, amelyik
egyértelműen, minden helyzetben jobb eredményeket hozna a portfóliók teljesítményének
megítélésénél. Viszont a legtöbb mutató számítása több munkát igényel. Véleményem
szerint, a lehetséges mutatók tengerében a Sharpe optimumot képez, a szükséges számítási
igény és a használatából fakadó előnyök összefüggésében.
A Sharpe mutató elsődleges szerepével kapcsolatos viták ellenére, abban szinte mindenki
egyetért, hogy nincs egyetlen, kizárólagos mutató, ami megmondhatná egy portfólió
„jóságát”. Valószínűleg több mutató sem képes erre abszolút módon, de több mutató
alkalmazása jobban megvilágíthatja egy befektetés különböző jellemzőit. Jelen könyvnek
nem célja, hogy megtalálja az ideális mutató együttest, erről valószínűleg sokáig fognak még
vitatkozni az akadémikusok és a gyakorlati szakemberek. Jómagam inkább arra
koncentrálnék, hogy egyetlen mutató, a Sharpe alkalmazásának gyakorlati hasznát
illusztráljam. Így a következő fejezetben felsorolok néhány további mutatót azok számára,
akik tovább szeretnék finomítani a befektetések értékelésével kapcsolatos ismereteiket, de a
könyv hátralevő részében kizárólag a Sharpe használatával kapcsolatos információkra
szorítkozom. Annyit azonban még érdemes megemlíteni, hogy az alternatívák ismerete
nagymértékben segíti a Sharpe alkalmazási korlátainak pontosabb megértését.
 Alternatívák
A Sharpe legjellemzőbb kritikájára, miszerint nem tesz különbséget a negatív illetve
pozitív hozamingadozás között, született válaszként a Sortino mutató. Számítása során
definiálnak egy elvárt hozamszintet és a Sharpe képletének alkalmazásakor, a szórás
meghatározásakor kizárólag az elvárt hozamszint alatti értékeket veszik figyelembe. Az
előző fejezetben említett példához visszatérve, ha 5% -nak tekintjük a havi elvárt
hozamszintet, akkor a Sortino számításakor csak azoknak a hónapoknak a szórását vesszük
figyelembe, amelyeknél 5% alatti hozam volt (a 0%-os és a -5%-os hónapok). Ezzel a
módszerrel a Sortino egyáltalán nem bünteti felfele történő hozamingadozást, csak az
alulteljesítés szórását veszi figyelembe.
Természetesen a Sortino mutató is kritizálható. Az egyik legerősebb kritikája az alábbi
teljesítménygörbe:

Igen, a Sortino minden parabolikus emelkedésben egészen a csúcspontig azt fogja

üzenni, hogy minden rendben, kiválóan alakulnak a dolgok. Sőt egyre és egyre jobban,
nincsenek alulteljesítő időszakok, a hozamok egyre magasabbak. Ezzel szemben a Sharpe
azt fogja üzenni egy ilyen emelkedés során, hogy romlanak a teljesítménymutatók, jó lesz
vigyázni. Én inkább preferálnám az utóbbi megközelítést.
A Sterling és az ennek kicsit módosított képletét használó Calmar mutató rendkívül
hasznos lehet a hullámzó teljesítményt produkáló portfóliók esetében. Mindkettő a
legnagyobb visszaesések (drawdown) értékét hasonlítja az adott időszak hozamához.
Egyszerűen fogalmazva azt mérik, mekkora „fájdalmat” kell elviselni az adott időszak
hozamának begyűjtéséhez. Gyengeségük is ebben a módszerben rejlik. Olyan befektetések
esetében, amelyek ugyan időnként produkál(hat)nak nagyobb beeséseket, de az elmúlt
időszakban nem volt ilyen, hamis biztonságérzetet sugallnak.
A Treynor arányszám és a Jensen’s alpha a portfólió kockázatmentes hozam feletti
részét veti össze egy megfelelő benchmark indexhez viszonyított teljesítménnyel. Ennek
megfelelően ezek a mutatók elsősorban olyan portfóliók relatív teljesítményét, kockázatát
mérik, amelyek részét képezik egy indexszel jellemezhető nagyobb halmaznak.
Végezetül a Modigliani mutató kísérletet tesz a fenti megközelítések egyesítésére
egyetlen, ám bonyolultabb képletben. A Sharpe képletéből kiindulva Modigliani megpróbálta
kiküszöbölni a Sharpe két nagy hátrányát, miszerint a negatív értékek nehezen vethetők
össze a pozitív Sharpe értékekkel (mi a viszonya a -0.5 Sharpe értéknek a 0.5 értékhez ?),
illetve a különböző típusú portfóliók összehasonlításának problémáját. Ennek érdekében
nem önmagában értelmezi a hozam és szórás adatokat, hanem egy benchmarkhoz
viszonyítva. Sajnos a benchmark alkalmazása mindig behozza azt a problémát is, hogy
melyik benchmark a legalkalmasabb különböző portfóliók teljesítményének, kockázatának
normalizált összevetésére? Erre most nem fogunk választ kapni, mint az előző fejezet végén
említettem, ennek a könyvnek nem célja a tökéletes mutató megtalálása, így ítélethozatal
nélkül be is fejezném az alternatív lehetőségek további sorolását. Térjünk vissza könyvünk
főszereplőjéhez a Sharpe arányszámhoz.
 Korlátok
Mielőtt gyakorlati vizekre eveznénk, még egy utolsó elméleti fejezet. Látni fogjuk, hogy a
Sharpe széles körben használható, egyszerűségében is nagyszerű a befektetési
teljesítmények megítélésére, de fontos tisztázni az alkalmazhatóság korlátait. Enélkül
könnyen olyan területekre tévedhetünk, ahol már az elmélet szerint sincs lehetőségünk
releváns információkhoz jutni a Sharpe segítségével. Nézzük akkor, milyen korlátai vannak a
Sharpe alkalmazásának.
Az egyik legfontosabb, mindig szem előtt tartandó tulajdonsága a Sharpe mutatónak,
hogy kizárólag összehasonlításra használható. Felejtsük el azt a közkeletű vélekedést,
hogy 1 vagy bármilyen érték felett „jó”, alatta meg nem. Használjuk arra, amire való,
különböző portfóliók, befektetések, esetleg menedzserek sorba rendezésére, és a közöttük
kialakult arányok jellemzésére. Soha ne vessünk össze különböző forrásokból származó
Sharpe mutatókat, amíg nem győződtünk meg róla, hogy pontosan ugyanazzal a módszerrel
számolták őket. Feljebb már említettem, hogy nincs „hivatalos” számítási módja. Van, aki
figyelembe veszi a kockázatmentes hozamot, mások kihagyják. A különböző időszakokra
vonatkozó hozam adatsorok más és más Sharpe értéket fognak eredményül adni.
Sajnálatos módon a Sharpe összehasonlításra is csak korlátozottan használható, még
abban az esetben is, ha pontosan ugyanazt a számítási módot követjük. Használata nem
teljes érvényű, ha radikálisan különböző beépített aszimmetria jellemzi az
összehasonlításra kiszemelt befektetési portfóliókat, stratégiákat. Például trendkövető
rendszereknek az a jellemzője, hogy 50%-nál kevesebb nyerő eset mellett képesek hozamot
produkálni, mivel a nyerő esetek jóval nagyobb nyereséget produkálnak, mint a vesztő
esetek. Havi hozamoknál maradva egy trendkövető rendszer jellemzően 6-8 veszteséges
hónapot is hozhat egy évben, de a fennmaradó 4-6 hónap nyeresége annyival nagyobb,
hogy bőven kompenzálja a nagyobb számú veszteséges hónapokat. Ezzel szemben például
egy opció kiírással foglalkozó stratégia tipikusan az esetek 80-90%-ban pozitív hozamot
eredményez, és a fennmaradó néhány esetben produkál (nagyobb) veszteséget. Ebben az
esetben lesz 9-11 nyerő hónapunk egy évben és 1-3 olyan hónap, amikor veszteséget
szenvedünk. Ezek mind az adott stratégiára jellemző beépített aszimmetriák, amikkel
célszerű tisztában lenni a Sharpe használatakor. Javasolt elsősorban azonos
hozameloszlással rendelkező stratégiákat összevetni, amennyiben arra vagyunk kíváncsiak,
hogy az egyes portfóliók, illetve kezelőjük milyen teljesítményt nyújtott. Persze van
relevanciája különböző aszimmetriával rendelkező rendszerek összevetésének is, csak
pontosan legyünk tisztában azzal, amit csinálunk. Egy trendkövető rendszer összevetése
egy opció kiírással foglalkozó rendszerrel, nem kizárólag az alapkezelő teljesítményéről
szolgál információval, hanem arról is, hogyan viselkedtek ezek az aszimmetriák az adott
piaci környezetben.
Nyilván sok esetben nem ismerjük pontosan az értékelni kívánt alapok által alkalmazott
stratégiákat, így célszerű valamilyen arany középutat követni ebben a kérdésben. Vegyes,
sok egyedi döntést tartalmazó alapoknál nem érdemes erőltetni ezt a kérdést, de ha
ránézésre látjuk a „gyanúsan” aszimmetrikus hozameloszlást, és még arról is van
információnk milyen szisztematikus rendszer áll mögötte, akkor nem szabad figyelmen kívül
hagyni a Sharpe korlátait.
Inkább elméleti, mint gyakorlati kérdés a Sharpe alkalmazásának következő kitétele. A
mutató kizárólag normális (hozam)eloszlás esetében ad érvényes eredményt. A normális
hozameloszlás ebben az esetben matematikai definíciót takar. Azért írtam, hogy ez inkább
elméleti, mint gyakorlati kérdés, mert a hozzáértők már nagyon régóta vitatkoznak azon,
hogy a pénzügyi piacokon keletkező hozamok normális eloszlásúak-e, illetve mikor, milyen
esetben azok, és mikor nem. Ez a vita még sokáig fog tartani, addig is a gyakorlati
szakemberek használják a normális eloszlást feltételező képleteket. Mi is így fogunk tenni.
Már szó esett a Sharpe másik gyengeségéről, a negatív értékek
értelmezhetetlenségéről. A piacokon természetesen nem csak emelkedés van, hanem esni
is szoktak az árak, és ilyenkor keletkezhet negatív hozam a Sharpe képlet számlálójában. A
nevező értéke mindig pozitív lesz, tehát ilyen esetekben a Sharpe végül negatív
arányszámot produkál. Ezzel önmagában semmi probléma. Nyilván rosszabb a negatív
Sharpe érték, mint a pozitív. De mennyivel rosszabb a -0.5-ös, mint a -1? Hogyan viszonyul
a -1-es érték az 1-es Sharpe értékhez? Ezen a téren már jóval nehezebb rendet vágni, és ez
nem csak matematikai szöszölés. Különböző eszközosztályok esési jellege gyakran élesen
elválik egymástól. A részvények szeretnek hirtelen, jó nagyot zuhanni. A részvénypiaci
zuhanásban (inkább utána, ha lehet) érdemesebb azokat a részvényeket megvenni, amelyek
többet estek, mert valószínűleg ezek fognak nagyobbat emelkedni a trend változása után.
Egy árupiaci termék (pl. arany) viszont gyakran éveken keresztül komótosan képes esni,
anélkül, hogy változna az alapvető trend. Most akkor a lassú, kis szórású esést preferáló,
kisebb negatív számot produkáló Sharpe érték a jobb, vagy inkább kedveljük a hirtelen
nagyra növő negatív értékeket? A válasz sejthető: attól függ. Azt viszont nem könnyű
kitalálni, hogy mitől függ. Ezért azokban az esetekben, amikor hosszabb csökkenő
időszakokat produkáló portfóliókat vizsgálunk, kivételesen azt javaslom, érdemes hanyagolni
a Sharpe mutatót, és körülnézni az előző fejezetben felsorolt alternatívák környékén, egy a
helyzethez jobban illeszkedő mutatószám kiválasztásához.
Elsőre elég súlyos gondnak tűnik a negatív Sharpe értékek nehezen kezelhetősége, de a
gyakorlatban ez mégsem akkora probléma. Az esetek nagy részében olyan portfóliókat
vizsgálunk, amelyek nem produkálnak hosszú éveken át tartó csökkenő mozgást. Annak az
alapkezelőnek, amelyiknek mondjuk 3 éve esik az alapja, már nem a Sharpe mutatóval lesz
gondja… A tárgyalt példákból látni fogjuk, hogy még az előbb emlegetett arany esetében is,
ha jó társaságban (portfólióban) használjuk, releváns adatokat nyerhetünk a Sharpe
arányszám segítségével. Tehát bőven fogunk találni a Sharpe használatához illő
lehetőségeket. Itt és most elegendő annyit megjegyeznünk, hogy negatív Sharpe értékek
feltűnése esetén célszerű más segédeszközökhöz (mutatókhoz) fordulni.
Lehetne még további korlátokat, problémákat sorolni a Sharpe mutató alkalmazásával
kapcsolatban. Az alapok manipulációs lehetőségeitől kezdve a portfólió összeállítás
kiindulási halmazának figyelembe vételéig, sok minden szóba kerülhetne még, de egyre
inkább marginális területre tévednénk. Semmi sem tökéletes. A fent felsorolt fontosabb
tényezők figyelembevételével viszont mindez nem sokat von le a Sharpe gyakorlati
hasznából. Pontosabban ugyanannyit von le, mint bármelyik más mutató esetében fellépő
problémák.
Talán kicsit sok is volt az eddigi elméleti fejtegetés, itt az ideje a gyakorlati munkának.
 A képlet
A következő fejezetek gyakorlati példáiban mindig ugyanazt a Sharpe képletet fogom
használni. Hangsúlyoztam már, hogy hivatalos változat hiányában fontos rögzíteni a Sharpe
számítási módját. Ez teremti meg az összehasonlíthatóság és a későbbi reprodukálhatóság
elvi alapjait.
Az általam használt képletben általában 250 kereskedési napra vonatkozó időszakot
használok, ahol eltérek ettől, külön kiemelem majd. Elsőként kiszámítom az időszakra eső
valós hozamot (időszak végi árfolyamból kivonva a 250 kereskedési nappal azelőtti
árfolyamot, és ezt az értéket elosztom a 250 kereskedési nappal azelőtti árfolyammal). Ez
kerül a Sharpe képlet számlálójába. A nevezőjébe ugyanennek a hozamértéknek az elmúlt
250 kereskedési napra vonatkozó szórása. Ez a számítás feltételezi, hogy az adott időpontra
vonatkozó Sharpe érték meghatározásához rendelkezem legalább 500 kereskedési napra
(kb. 2 év) visszamenőleges árfolyamadatokkal (csak akkor tudok szórást számolni a teljes
250 napos időszakra, ha már rendelkezésre áll az azt megelőző 250 kereskedési napra
vonatkozó hozamadat). Maga a számítás egyszerű, a magyarázat elsőre talán nem, ezért a
biztonság kedvéért, itt elérhető egy Excel tábla (az összes képlet megismeréséhez az aljára
kell lapozni!).
A Sharpe értékeket ezután arra fogom használni, hogy befektetési döntéseket hozzak. A
segítségükkel választom ki, hogy a rendelkezésre álló eszközök közül melyik kerüljön a
portfólióba. Annak érdekében, hogy ez egy kiértékelhető folyamat legyen, korlátozni fogom a
gyors váltások lehetőségét a következő szabályok alkalmazásával:
- a minimális tartási idő 250 kereskedési nap (kb. egy év),
- ha lejárt a minimális tartási idő, akkor folyamatosan vizsgálva a Sharpe értékét, átváltunk
a legmagasabb arányszámot produkáló eszközre,
- az új eszközre ismét vonatkozik a minimális tartási idő,
- a Sharpe számítása a 250 kereskedési napra visszatekintő hozam osztva az ugyanezen
időszakra vonatkozó szórással képlet alapján történik,
- ha a képletből negatív érték adódna, akkor 0-ra állítjuk.
A fenti szabályok figyelembevételével megkapott eredményeket a hozzájuk tartozó hozam
és maximális visszaesés (drawdown) vizsgálatával fogom értékelni. Használni fogom még a
kockázatra normalizált hozam kifejezést az eredmények kapcsán. Ebben az esetben a
hozam abszolút értéke arányosításra kerül, annak érdekében, hogy az összehasonlított
portfóliókhoz azonos méretű visszaesés tartozzon. Amennyiben az egyik portfólió 20%
hozamot biztosított, miközben 40% volt a maximális visszaesés (csúcstól mélypontig), és
van egy másik portfóliónk 10% hozammal, 20% maximális visszaesés értékkel, a két
portfolió kockázatra normalizált hozamát egyenlőnek fogom tekinteni. Ez az elgondolás azt
hangsúlyozza, hogy a befektető számára a lehetséges vagy valós visszaesés mértéke a
fontos paraméter. A kisebb hozamú portfolióba kétszer annyi pénzt fektethet, mert a
veszteségek akkor lesznek egyezőek a két esetben. A kétszer annyi pénznek a hozama is
kétszeres, tehát a két portfólió kockázatra normalizált hozama megegyezik.
A számítási és kiértékelési módszer alapjainak tisztázása után térjünk át első gyakorlati
példánkra.
 A nagy arany-részvény trade
A Sharpe tipikus felhasználási területe befektetési alapok és különösen az azokat kezelő
menedzserek teljesítményének összehasonlító vizsgálata. Első példánkat mégis egy ettől
távol eső területről hozzuk. Két alapvető vagyon felhalmozási eszköz, az arany és a
részvények közös portfólióban történő vizsgálatát végezzük el a Sharpe mutató
segítségével. Segít-e annak meghatározásában, hogy ebben a kételemű portfólióban mikor
melyik vagyonképző eszközt preferáljuk?
Mielőtt választ keresünk a fenti kérdésre, érdemes elgondolkodni azon, mi indokolhatja
egyáltalán a Sharpe alkalmazását ilyen döntésekben? Az arany és a részvények
árfolyamának alakulását a kereslet-kínálat határozza meg. Ebben a kereslet-kínálat
erőtérben meghatározó részt képviselnek azon nagy alapkezelők döntései, akiknek a
teljesítményét vizsgálni szokták Sharpe segítségével. Miért ne tükröződhetne akkor a
választott eszközök árfolyamának alakulásában, hogy milyen, mennyire jó, mennyire
„Sharpe barát” alapkezelők vannak többségben, vagy éppen kisebbségben egy adott piaci
pillanatban? Elméleti választ aligha kapunk erre a kérdésre, vizsgáljuk meg gyakorlatban!
Kételemű portfóliónk gyakorlati megvalósítása az SPY és a GLD ETF (amerikai tőzsdén
forgalmazott befektetési alapok) segítségével történik. Az előbbi az 500 legnagyobb amerikai
(USA) vállalatot tömörítő index kapitalizáció szerint súlyozott elemeit, az utóbbi csak aranyat
tartalmaz. A GLD pályafutása 2005-ben indult, és mivel a számításainkhoz legalább két év
előtörténet szükséges, a vizsgált időszak 2007. január -2013. november. Ebben az
időszakban nem túl gyakran (minimális tartási időszakot előírva), de kapcsolgatni fogunk a
két befektetési eszköz között a Sharpe mutató segítségével, és arra keressük a választ,
hogy ez javítja-e a befektetésünk összesített hozamát az adott időszakban.
Az arany és a részvény befektetés közötti váltásra az előző fejezetben leírt szabályokat
alkalmaztam.
Az eredményt a következő táblázat tartalmazza:

Ránézésre kitűnő ez az eredmény. Minden pozíció nyereséggel zárult, az évesített hozam

12.7%. Összevetve egy 50%-50% SPY-GLD portfólió teljesítményével ugyanebben az
időszakban (7.7%), 5% hozamnyereséget látunk, ami több mint 60%-kal jobb hozam érték!
A maximális beesés (drawdown) értékét megvizsgálva a két portfólió között nincs jelentős
különbség, így a kockázatra normalizált hozamok is megerősítik a Sharpe használatának
előnyét.
A következő grafikon a Sharpe értékek különbségét mutatja ebben az időszakban, az
SPY mutatójából kivonva a GLD-hez tartozó Sharpe értéket. Ez az érték volt a kapcsolgatás
vezérlője. A grafikonból megítélhető a konzekvens viselkedés. Az időszak elején az SPY
rendelkezett jobb Sharpe mutatóval, majd a különbözet folyamatos eséssel 2007 végén már
a GLD-t jelezte jobb befektetésnek. Az arany ezt követő korszaka tulajdonképpen 2012
közepéig tartott volna, de 2009-ben (egyetlen napra!) és 2010-ben rövid időre felülkerekedett
az SPY. Ez arra elegendő volt, hogy a rendszer átváltson egy évre a részvényekre, ami
sajnálatos, mert az arany sokkal jobban teljesített volna ebben az időszakban. A
visszavonhatatlan SPY felülteljesítés időszaka csak 2012 közepén érkezett el, ettől az
időponttól a mai napig részvények tartását preferálja a rendszer.

Bár a vizsgált időszak tartalmazza az utóbbi évtizedek legnagyobb krízis időszakát, mégis
mind a részvények, mind az arany jól teljesített 2007-2013 között. Az arany különösen jól
teljesített, megduplázta értékét, így felmerülhet, hogy egyedi, más időszakra nem jellemző
eredményt kaptunk. Ezért megvizsgáltam, hogy a megelőző 20 évben, 1987-től kezdődően,
milyen teljesítményt nyújtott ez a módszer. Ebben az esetben már aligha merülhet fel, hogy
csak emelkedő szakaszokat vizsgálunk, az arany produkált egy igen hosszú, 10 éves (1988-
1999.) eső időszakot, mialatt elvesztette az értékének 50%-át.
A fent leírt metodológiával kapott eredményeket az alábbi táblázat tartalmazza 1987.
január - 2007. január időszakra vonatkozóan. Ezek az eredmények már hipotetikusnak
tekintendőek, az értékeket az SP500 indexből és az arany történeti árfolyamából
számítottam, mivel ebben az időszakban nem álltak rendelkezésre az előző számításban
használt ETF (amerikai tőzsdén forgalmazott befektetési alap) termékek. Az előző példában
szintén figyelembe vettem a (rendkívül alacsony) tranzakciós költségeket is, erre a mostani
számításban nem volt lehetőségem, így a valós eredmények enyhén rosszabbak lehetnek.
Nézzük akkor ezt a táblázatot:
 Ezen az idősoron a pozíciók 83%-a zárult nyereséggel, az éves hozam 8.2%. Az alap
portfólió (50%-50% részvény/arany) éves hozama 6.5%, tehát a felülteljesítés nem olyan
erős, mint az előző példában. Nagyon jelentős az eltérés viszont a maximális beesés
(drawdown) terén, a Sharpe alkalmazása 40%-kal csökkentette ennek mértékét! Ennek
megfelelően, az alap portfólió kockázatra normalizált hozama 4% körüli érték, a Sharpe
segítségével ennek több mint dupláját értük el. A hosszabb időszak vizsgálata nem
csökkentette, hanem növelte a hozamok különbségét!
 Arany - részvény - kötvény
A fenti eljárást megismételve az SPY - TLT portfólióra (a TLT hosszúlejáratú, 20+ éves
USA államkötvényeket tartalmaz) több mint 6%-os hozamkülönbséget tapasztalunk a Sharpe
vezérelt rendszer javára. Sajnos ebben az esetben a maximális visszaesés mértéke is
majdnem a duplája, így a kockázatra normalizált összehasonlítás nem produkált észrevehető
előnyt a hozamok terén.
Ez semmiképpen nem veheti el a kedvünk a hármas arany - részvény - kötvény portfólió
vizsgálatától. Ez a portfólió 3 alapvető vagyonképző eszközt tartalmaz, a kérdés továbbra is
az, jelenthet-e a Sharpe alkalmazása bármiféle előnyt egy ilyen összetételű befektetés
kezelésében. A vizsgálati módszer a régi, a már leírt módon mindig egyetlen - a legjobb
Sharpe értéket mutató - eszközt választunk, és a 250 napos minimális tartási idő letelte után
megismételjük az eljárást.
Nézzük az eredményt:

Az évesített hozam 15%! Ezt több mint duplája az alap portfólió 7%-os hozamának. A
maximális visszaesés mértéke ebben az esetben is a Sharpe változatban nagyobb, közel
50%-kal, de a hozamelőny (4%) így is jelentős marad. A kockázatra normalizált hozam
ebben az esetben is több mint 50%-kal magasabb a Sharpe módszer használatával.
Az alábbi ábrán a 3 eszköz Sharpe értékének változását látjuk a vizsgált időszakban.
Egyértelműen elkülönülő szakaszok mutatják a különböző korszakokat. A kezdeti részvény
túlteljesítést felváltja a kötvények kora, majd következik az arany uralkodása a Sharpe
világban. Egyedül a 2012. év hoz némi bizonytalanságot, az arany próbálja átvenni a
kötvények vezető szerepét, de végül 2013-tól nevető harmadikként a részvények
meghatározó időszaka következik.
 Részvények kiválasztása
Egy módszer tesztelésére különösen alkalmas az eltérő eszközosztályokból összeállított
portfóliók vizsgálata. A Sharpe használhatóságát már illusztráltam az arany - részvény -
kötvény portfóliók vizsgálatával. A reménykeltő eredmények feljogosítanak arra, hogy
bátrabban kísérletezzünk egy adott eszközosztályon belül. Kézenfekvő lehetőség a
részvénykiválasztás vizsgálata Sharpe segítségével.
Ezen a területen nem indulunk nulláról. Az USA legjelentősebb brókercége, a Goldman
Sachs 2009-ben indította útjára a Sharpe Ratio Basket (Sharpe kosár) indexét. Ez a termék
az SP500-ból választja ki az 50 legmagasabb Sharpe mutatóval rendelkező részvényt, majd
ezt választást félévente megismétli (június és december).
A Goldman Sharpe számítása nem egyezik az eredeti képlettel, a részvényhez tartozó
implied volatility értéket veszik figyelembe a szórás helyett, de a mögöttes tartalmat ez nem
befolyásolja. Mostanra már megszokhattuk, hogy ahány ház, annyiféle Sharpe számítási
módszer. A Goldman 1999-től kezdődően tesztelte a kosárhoz tartozó eredményeket, és
adataik szerint ez a Sharpe kosár átlagosan 4%-kal teljesítette túl az SP500 indexet féléves
ciklusban (tehát nem évesített hozamkülönbségről van szó!) hasonló kockázat mellett. Ennek
megfelelően a továbbiakban is legalább az SP500 teljesítményének dupláját várják ettől a
stratégiától. A Goldman Sharpe stratégiájáról részletesebb, de angol nyelvű információkért
érdemes ellátogatni a könyv facebook oldalára.
Erős kezdés a Goldman ígérete, de kisbefektetők számára kevésbé hasznosítható. Aligha
indulnak tömegesen 50 részvényt tartalmazó portfóliókat vásárolni. Ezért maradva az eddigi
módszertannál, én is megvizsgáltam, hogyan működött a legmagasabb Sharpe mutatójú
SP500 részvényt kiválasztó stratégia. A Sharpe mutató számítása, a minimális tartási idő
megegyezik a feljebb ismertetett módszertannal.
2005. január - 2013. november közötti időszakra néztem meg egy rögzített SP500
portfólióra (az indexben történt változásokat figyelmen kívül hagytam), és kiderült, hogy nincs
semmiféle felülteljesítés. A Sharpe vezérelt portfólió nagyjából ugyanúgy teljesített, mint az
alap index. Sőt, rövidebb időszakra vizsgálva, jelentősen rosszabbul. Úgy tűnik, az eddig
alkalmazott módszer részvények esetében nem működik. Mi lehet a probléma? Az első
ötletem a vizsgált időszak hosszúsága körül kereste a megoldás. Egy befektetési alapnál
indokolt lehet az éves periódus, de egy részvény esetében a változások sokkal gyorsabban
jelentkeznek az árfolyamban. Egy rossz vagy jó negyedéves jelentés alapvetően
változtathatja meg a kialakult képet, különösen, ha a menedzsment előrejelzései is
változnak. Ezek a változások néhány nap alatt megmutatkoznak az árfolyamban, a
változások sebessége jóval gyorsabb részvények esetén. Ezt figyelembe véve
lecsökkentettem a Sharpe számítás során használt időszakokat. A képlet változatlan maradt,
de a visszatekintő hozam és szórás kalkulálása során az elmúlt 100 kereskedési napot
vettem csak figyelembe (250 helyett). Szintén változás, hogy ebben az esetben minden
egyes újrarendezésnél 3 részvény került a portfólióba (a legjobb Sharpe értékkel
rendelkezők), egyenlő súlyozással. Ez a mennyiség még kezelhető egy kisbefektető
számára is, ugyanakkor segít kiküszöbölni, hogy egy-egy félrecsúszott kiválasztás képében
a véletlen határozza meg a teszt eredményeit.
Annak érdekében, hogy kiderüljön az időszak jelentősége részvények esetében, többféle
minimális tartási idő esetére is kiszámoltam a hozam és maximális visszaesés értékeit. Az
időszak változatlanul 2005. január - 2013. november közötti, a Sharpe számításánál minden
esetben a megelőző 100 kereskedési napot vettem figyelembe. Az eredményeket az alábbi
táblázat foglalja magában:
 A táblázat igazolja a fentiekben megfogalmazott sejtést, egyedi részvények esetében
sokkal rövidebb az információ „forgási sebessége”. Hiába rövidítettük le a Sharpe képlet
számításánál figyelembe vett időszakot 100 kereskedési napra, ha a minimális tartási idő 1
év körüli érték maradt, akkor semmilyen hozzáadott értéket nem produkált a Sharpe alapú
kiválasztás. Abban az esetben viszont, ha lerövidítettük a tartási időt is a fenti táblázatban
szereplő 50 vagy 100 kereskedési napra, azonnal megjelent a masszív felülteljesítés. A
Goldman által megadott paraméterek köszönnek vissza a 3 elemű portfólió esetében is, a
hozam több mint a duplája az indexnek, kockázatra normalizálva is.
Hasonló eredményeket kapunk, ha a Nasdaq 100 (legnagyobb technológiai cégeket
tömörítő) indexben szereplő részvényeket tekintjük kiindulási halmaznak:

A Nasdaq 100 esetében már jobban ingadoznak az eredmények. Nem csak a táblázatból
látható minimális tartás idő függvényében, hanem a vizsgálati időszakon belül is. A
technológiai részvényekre jellemző volatilitástól eltekintve viszont ebben az esetben is
egyértelmű a rövidített tartási idők mellett jelentkező felülteljesítés.
 Magyar alapok
Térjünk át a Sharp mutató hagyományosnak számító alkalmazási területére. Sok-sok
befektetési termékekkel foglalkozó szolgáltató (elsősorban külföldiekre gondoltam, de
Magyarországon is megjelentek az első fecskék) közli az egyes alapokhoz tartozó Sharpe
mutató értékét. Ennek segítéségével a potenciális érdeklődő az addigi teljesítmény minőségi
jellemzőjéről kap információt. Nyilván a magasabb Sharpe mutatóval rendelkező alap
egyenletesebb módon, kisebb ingadozásokkal érte el az adott hozamot, így előnyt élvez a
rosszabb mutatóval rendelkező alapokkal szemben. A Sharpe elvi hátterének ismertetésekor
szó volt róla, hogy elsősorban azonos karakterisztikájú alapok összehasonlítása javasolt,
mert az eltérő eszközök, a jelentősen különböző stratégiák, beépített módon más és más
hozameloszlási jellemzőkkel bírnak.
Az elvi megfontolások figyelembevételével a vizsgált alapokat befektetési osztály szerint
csoportosítva vizsgáljuk mi is. Sajnos a magyar befektetési alapok piaca még fiatalnak
tekinthető, így nehéz olyan mennyiségű adatot gyűjteni, ami garanciát jelentene a releváns
eredmények garantálására.
A Bamosz adatbázisából kiindulva választottam ki a vizsgált alapok körét. A jó
összehasonlíthatóság, és annak érdekében, hogy legalább 10 éves időszakot vizsgálni
tudjunk, csak azokat az alapokat vettem figyelembe, amelyek 2000 előtt indultak, magyar
forint az elszámoló devizájuk, és nem alapok alapja konstrukciók. Ezeknek a kritériumoknak
15 részvény, 3 vegyes (részvény-kötvény) és 6 kötvény alap felelt meg. A mostanában
igen népszerűvé váló abszolút hozamú kategóriát sem akartam kihagyni, de ez már csak úgy
sikerült, ha radikálisan csökkentettem a vizsgálandó időszakot. Végül 6 abszolút alap került
a kategóriába, amelyek legalább 2007 januárjától rendelkeznek adatokkal. Meglehetősen
vegyes stratégiájú alapokról van szó, a szigorú kockázatkezeléséről híres Concorde
Vakmajom alaptól, a részvénykiválasztásban jeleskedő Platina Pí alapon keresztül, a makro
és kötvény orientált Aegon Alfa alapig bezáróan.
A vizsgálatot továbbra is a már leírt Sharpe számítási módszerrel végeztem (250
kereskedési napra vonatkozóan), a 2003. január - 2013. november időszakra. A tranzakciós
költségeket nem vettem figyelembe. A kategóriánkénti és összesített eredményeket az
alábbi táblázat tartalmazza:
 Az elvi megalapozásnak mélységesen ellentmondó, meglepő eredmény. Úgy tűnik, minél
homogénebb halmazon vizsgálódunk, annál kisebb a Sharpe jelentősége. A kötvények
esetében szinte egybeesik az alaphalmaz és a Sharpe vezérelt változat teljesítménye, mind
hozam, mind kockázat szempontból. A kötvény alapok tekintetében pedig nem sok
különbség van a tartott eszközök és a hozzájuk kapcsolódó stratégia szempontjából. Nyilván
a lejáratok területén vannak/voltak eltérések az alapok között, de alapvetően egy homogén
halmazról van szó. Itt kellene brillíroznia a Sharpe mutatónak. Úgy tűnik, annyira homogén
ez a halmaz, hogy nincs helye a brillírozásnak.
A következő kategóriában már enyhe felülteljesítést látunk, de ennek a mértéke eltörpül a
Sharpe más rendszereken eddig tapasztalt jótékony hatásához képest. Hatalmas
következtetéseket azért nem vonnék le az ebben a szektorban nyújtott teljesítményéről,
mivel összesen 3 alapról van szó…
Nézzük inkább a tiszta részvény kategóriába eső alapok teszt eredményét. Ezek az
alapok, hiába esnek azonos kategóriába, jelentősen különbözhetnek egymástól a tartott
eszközök és az alkalmazott stratégia tekintetében. Vannak itt csak magyar részvényeket,
közép európai régiót, vagy éppen fejlett piaci, nemzetközi részvényeket kezelő alapok.
Nyilván jelentős eltérések lehetnek az alapkezelőkhöz köthető részvényvásárlási stratégiák
között. A Sharpe mégis ebben a körben nyújtotta a leginkább észrevehető teljesítményt, a
hozamkülönbség 2% körüli érték, közel azonos kockázat mellett.
A végső csapást az elméletre mégis az utolsó összesítő tartalmazza. Itt közös halmazként
vizsgáltam az előző három kategória alapjait (az abszolút hozamúakról külön lesz szó), és
rendkívül markáns felülteljesítést mutatott a Sharpe féle változat. Több mint 4%-os
hozamnyereség, majdnem fele kockázat mellett! Nem kérdéses, ez messze felülmúlja a
szektoron belüli eredményeket! A fenti táblázat alapján úgy látszik, hogy az általam
alkalmazott Sharpe féle mutató elsősorban a különböző típusú eszközök preferálása során
fejti ki áldásos hatását. Tehát nem az azonos jellegű alapok közötti választást segíti,
hanem a részvény-kötvény arányok időzítésében van döntő szerepe. Ez nagyrészt
összhangban van az első példánkban szereplő arany-részvény-kötvény allokáció során
tapasztalt Sharpe felülteljesítéssel is. Nem tudom megítélni, de mindez akár még a részvény
indexekre, különösen az SP500-ra vonatkozó eredményekkel is összhangban lehet, ugyanis
az egyes részvények különböző mértékben kötődhetnek más és más befektetési
eszközosztályokhoz (pl. egy eladósodott céget jobban érintenek a kötvénypiac változásai).
Természetesen nem gondolnám, hogy két tucat magyar befektetési alapon végzett vizsgálat
után be kéne jelentkezni a közgazdasági Nobel-díjra, de a tapasztalati adatok azt mutatják,
hogy a Sharpe használatának előnyeit nem az elmélet sugallta területeken kell keresni.
Az abszolút alapokra vonatkozó táblázatot külön kezeltem. Ebben az esetben még jobban
hangsúlyoznám: az eredmények relevanciája erősen kérdéses. Mindössze 6 alapról van szó,
elég rövid a vizsgált időszak (2009. január - 2013. november), és ami szintén problematikus,
hogy ebben az időszakban még jelentősebb rezsimváltások (bika/medve) sem történtek. Az
eredményeket az alábbi táblázat tartalmazza:

A 250 kereskedési napra vizsgált alapesetben jelentősen alulteljesített a Sharpe vezérelt

változat. Abban az esetben, ha a képletben használt időszakot 100 napra csökkentjük, akkor
érzékelhetően felülteljesített. Egy másik vizsgálat során szintén felülteljesítést tapasztaltam.
Mit jelenthetnek ezek az eredmények? Talán az abszolút hozamú alapok esetében is
nagyobb az információ „forgási sebessége”, hasonlóan az amerikai részvényeknél tapasztalt
esethez? Vagy a többi befektetési szektorhoz hasonlóan az abszolút hozamú alapok
vizsgálatánál nem hordoz hozzáadott értéket a Sharpe? Ennek ellentmond széleskörű
használata az ilyen jellegű alapok esetében is. Vagy sejtésünknek megfelelően túl rövid ez
az időszak bármilyen megbízható eredmény megállapításához? Talán a felsorolt tényezők
mind szerepet játszanak?
Nem tudom a választ. Mindenesetre meglepő, hogy pontosan abban a szektorban, ahol
elvileg legmagasabb információs pluszt nyújthatna a Sharpe, nem kaptunk egyértelmű
eredményeket.
 Költségek
Az amerikai ETF és részvény példáknál a teszt eredmények tartalmazták a - minimális
méretű - tranzakciós díjat, de a magyar befektetési alapok esetében ezzel nem kalkuláltam.
Nem azért, mert olyan olcsó… A magyar befektetés szolgáltatóknál jóval szórtabb az
árképzés a vételi és eladási jutalékok terén. Nem tudom, mennyi az átlagos jutalékszint, de
ez nem is fontos a nagy különbségek miatt. Mindenkinek a saját költségeit kell figyelembe
vennie.
A fenti példák során elsősorban a Sharpe használhatóságát kívántam illusztrálni, és nem
azzal foglalkozni, hogy egy önmagában értelmes rendszert mennyire értéktelenítenek el a túl
magas jutalékok. A való világban viszont soha nem hagyható figyelmen kívül a jutalékok
szerepe! Ez annyira fontos, hogy külön könyvet szenteltem a témának.
A magyar befektetési alapok hozamadatai teljesen másként festenek a valóságban. Az
egyik legnépszerűbb hazai alapforgalmazónál jelenleg 0.75%-os jutalékot látok kötvény
alapok esetében, 1.5%-os jutalékot részvény illetve abszolút hozamú alapoknál. Ez azt
jelenti, hogy a 250 napos minimális tartási időt előíró Sharpe rendszer esetében nagyjából
ugyanennyivel kell csökkenteni a megadott éves hozamértékeket. A 100 napos rendszer
esetében (az abszolút hozamú alapoknál volt ilyen), már évi 2 tranzakcióról van szó, ez 3%-
kal csökkenti az ottani példában megadott hozamot. A papíron jól teljesítő Sharpe rendszer a
valóságban alulteljesíti a passzív átlag hozamát. Érdekes, hogy Magyarországon kevésbé
ismert a lusta portfólió elmélete, pedig itthon vehetné mindenki nagy hasznát…
 Csináld magad!
A Sharpe arányszám egyik legnagyobb vonzereje, hogy bárki képes egyszerűen
reprodukálni. A könyv elején említett mutatók nagy részénél benchmarkot kell választani, ami
önmagában problémás, illetve bizonyos esetekben maga a számítás sem oldható meg
egyszerű eszközökkel. Ezzel szemben Sharpe értéket egy Excel táblázatkezelő
használatával is számolhatunk magunknak. Én kimondottan javaslom a saját számítások
végzését. A legtöbb publikált Sharpe mutató esetében nem definiálják a számítás pontos
módját, így lehetetlenítve el a más helyről származó értékekkel történő összehasonlítást.
Még ugyanazon szolgáltatónál sem lehetünk biztosak abban, hogy egy évvel később
pontosan ugyanazzal a képlettel számolja majd a Sharpe értékét.
Ezek a veszélyek nem fenyegetnek, ha saját kezünkben tartjuk a Sharpe számítás
menetét. Így biztosíthatjuk, hogy minden esetben almát hasonlítunk almával, nem
görögdinnyét zöldborsóval. A szükséges árfolyamadatok általában interneten rendelkezésre
állnak. Külföldi ETF-ek, részvények esetében például a Yahoo Finance, vagy a Google
Finance, de rajtuk kívül is sok választási lehetőségünk van. Magyar befektetési alapoknál a
Bamosz oldala mellett találunk más adatforrásokat is. Az árfolyamadatok letöltése után
szabadon eldönthetjük, milyen időszakra (milyen képlettel) számoljuk a Sharpe mutatónkat.
Az Excel elvégez helyettünk minden munkaigényes feladatot, sőt néhány kattintással
grafikonon ábrázolhatjuk a Sharpe értékek időbeni változását. Ilyen grafikonra ebben a
könyvben is találunk példát.
A Bamosz még azt a szívességet is megteszi, hogy nemcsak árfolyamadatokat lehet tőlük
letölteni, hanem az éves visszatekintő hozam értéket, tetszőleges dátumra. Ezt betöltve a
táblázatkezelőbe, például az általam a könyvben is használt Sharpe képlet reprodukálásához
mindössze egy SZORAS (A1:AXX) oszlop létrehozására van szükség, és utána a két oszlop
hányadosaként előáll a Sharpe érték, dátumokhoz rendelve. Az így számolt, különböző
alapokhoz tartozó Sharpe értékeket egy közös grafikonon ábrázolva, már teljes mértékben
magunk vizsgálhatjuk az időbeni történéseket ezen a téren.
 Zárszó
Sharpe világában tett rövid kirándulásunk végéhez közeledve megköszönöm az olvasó
eddigi türelmét, és már csak egyetlen gondolat erejéig élek vissza vele. A könyvben szereplő
konkrét példák célja a Sharpe gyakorlati hasznának illusztrálása. Azok számára
hangsúlyozom ezt, akik lecsapva a táblagépet, már bele is vágnának a nagy arany-részvény
trade-be, vagy a Goldman telefonszámát keresgélik a Sharpe kosár megvásárlásához. Nem
tárgyaltam az itt szereplő rendszereket olyan mélységben, hogy azonnali, kulcsra kész
megoldást nyújtsak a kereskedésre. A Sharpe - és bármilyen más mutató - konkrét
felhasználása tőzsdei műveletek, befektetési alapok vásárlása során, nagy körültekintést
igénylő feladat. Ez mindig a felhasználó felelőssége. Ne sajnáljuk a befektetett munkát.
Ennek a könyvnek elsősorban az érdeklődés felkeltése volt a kitűzött célja, és támogatást
kívánt nyújtani az éves hozamokra fókuszáló befektetői kultúra túlhaladására. Ezt a
segítséget a továbbiakban is szívesen megadom, jelentse akár a könyvben felmerülő
kérdések megválaszolását, visszajelzést, vagy csak további érdeklődést a téma iránt.
Minden kedves olvasót szeretettel várok a könyv facebook oldalán!