Sharpe deflazionato

Lo Sharpe deflazionato corregge un indice di Sharpe osservato tenendo conto del numero di configurazioni provate prima di sceglierlo, della lunghezza del campione e della forma della distribuzione dei rendimenti. Esprime la probabilità che lo Sharpe osservato superi ciò che la sola selezione avrebbe prodotto sul rumore.

Senzoukria · Glossario · Aggiornato a settembre 2026

Il problema che affronta

Prova abbastanza configurazioni sugli stessi dati e la migliore mostrerà un indice di Sharpe positivo anche quando ogni configurazione è casuale. Il massimo atteso di molti Sharpe casuali cresce con il numero di tentativi. Tenere il vincitore e riportarne lo Sharpe sovrastima quindi l'evidenza.

Lo Sharpe deflazionato, introdotto da Bailey e López de Prado, calcola la soglia di Sharpe che la sola selezione avrebbe prodotto dato il numero di tentativi e la varianza tra di essi, poi valuta lo Sharpe osservato contro quella soglia usando la lunghezza del campione, l'asimmetria e la curtosi dei rendimenti. L'uscita è una probabilità, non un rapporto.

Input e ciò che li cambia

  • Numero di configurazioni provate: più tentativi alzano la soglia. Esplorare un quarto parametro può trasformare un risultato solido in rumore senza toccare i dati.
  • Numero di operazioni fuori campione: un campione più lungo restringe l'incertezza sullo Sharpe osservato.
  • Asimmetria e curtosi: rendimenti a code spesse o con asimmetria negativa allargano l'incertezza e abbassano la probabilità.
  • Lo Sharpe probabilistico (PSR) è lo stesso calcolo contro un riferimento fisso invece della soglia derivata dalla selezione.

In Senzoukria

Il pannello di backtest riporta un blocco intitolato Sharpe deflazionato — probabilità di un edge reale, dopo una scansione dei parametri. La riga di dettaglio recita: Sharpe per operazione contro una soglia prodotta dalla sola selezione, su un certo numero di configurazioni e di operazioni fuori campione. Il verdetto ha tre livelli: solido (il risultato sopravvive alla correzione per quante configurazioni sono state provate), fragile (il numero di configurazioni provate ne spiega buona parte) e rumore (indistinguibile dal migliore di un'estrazione casuale).

Il gauntlet GO/NO-GO dello stesso pannello elenca «Sharpe deflazionato: sopravvive al numero di tentativi» tra i suoi criteri, con PSR, DSR e il conto delle configurazioni provate mostrati accanto.

Errori frequenti

  • Contare meno tentativi di quelli reali. Ogni configurazione che hai guardato e scartato conta comunque, compresi i run fatti in una sessione precedente sugli stessi dati.
  • Leggere il DSR come probabilità di profitto futuro. È la probabilità che lo Sharpe osservato non sia stato prodotto dalla selezione, sotto le ipotesi dichiarate.
  • Restringere la scansione dopo aver visto il risultato per far migliorare il DSR. È un altro tentativo e va contato.
  • Applicarlo a una serie con troppe poche operazioni perché i momenti della distribuzione siano stimabili.

Questa pagina in altre lingue

Domande frequenti

Che differenza c'è tra PSR e DSR?
Lo Sharpe probabilistico (PSR) dà la probabilità che lo Sharpe vero superi un riferimento scelto da te, tenendo conto della lunghezza del campione, dell'asimmetria e della curtosi. Lo Sharpe deflazionato (DSR) è un PSR il cui riferimento deriva dal numero di tentativi e dalla loro varianza, quindi corregge anche per la selezione. Il gauntlet del desktop mostra entrambi i valori.
Perché una scansione più lunga abbassa il mio Sharpe deflazionato?
Perché la soglia prodotta dalla sola selezione sale con il numero di configurazioni. Uno Sharpe che spiccava tra dieci tentativi è ordinario tra quattrocento. Lo Sharpe osservato non è cambiato; è cambiata l'evidenza che rappresenta. Ridurre il numero di parametri esplorati o allungare il periodo fuori campione sono i due modi per rafforzare il risultato.