附錄結構#
原書附錄分為兩部分:
- 附錄 1:理解期貨市場(給沒接觸過期貨的讀者的入門介紹)
- 附錄 2:績效指標(書中反覆引用的數字背後是什麼)
本章把兩個附錄濃縮整理為核心觀念與計算邏輯,讓讀者能在閱讀本書其他章節時,準確理解每個績效數字代表什麼意思。
附錄 1:理解期貨市場#
什麼是期貨?#
期貨(futures)的本質就在名字裡:交易的不是當下,而是未來某個交割日的標的(商品或金融工具)。
舉例:
- 棉農想立刻賣出收成 → 在現貨市場(cash market)賣出
- 棉農想鎖定未來收成的價格 → 兩個選項:
- 找特定買家簽訂契約(規格、數量、品質、地點都需協商)
- 賣出期貨合約——標準化、容易進出
期貨對避險者(hedger)的優點#
- 合約標準化,不需要找特定買家
- 交易可在線上幾乎瞬間完成
- 手續費低——遠低於量身打造的遠期契約
- 隨時可平倉——從交易日到合約最後交易日之間都可以
- 由交易所擔保——不必擔心對手方信用風險
期貨對交易者(trader)的優點#
- 標準化合約:不需要找特定買賣對手
- 流動性極佳:所有主要市場都很活躍
- 多空對稱:放空與做多同樣容易;股票放空時必須先借券、等待 uptick,期貨完全沒這些限制
- 高槓桿:保證金通常只佔合約價值 5%–10%
- 成本低廉:股票投資組合管理人若想降低市場曝險,賣股指期貨遠比逐一賣個股便宜
- 隨時可平倉:除了極少數鎖在漲跌停的情況
- 交易所擔保:清算所替每筆交易保證
期貨的交易與交割#
實際操作邏輯:
- 用幾倍的槓桿做多空
- 絕大多數交易者從不真正交割
- 必要時用「轉倉(rollover)」操作把部位移到後續到期月份合約
- 統計上不到 3% 的未平倉合約最終實際交割
- 部分合約(股指、Eurodollar 等)採現金結算(cash settlement)
兩種分析方法#
- 技術分析(technical analysis):以價格資料為主,輔以成交量、未平倉量、情緒指標等。基本假設:價格存在重複性形態
- 基本面分析(fundamental analysis):用經濟數據(生產、消費、央行政策、CPI、就業)預測價格。基本假設:供需失衡會推動價格
兩者並非互斥,許多交易者會結合使用——書中受訪者中,Bargh、Dhaliwal、Netto 等人都明確採取「基本面定方向、技術面定時點」的混合策略。
期貨市場的範圍#
1970 年代之前,期貨幾乎全是農產品。後續陸續擴張到:
- 股指(S&P 500、Euro Stoxx 50 等)
- 利率(短期 SOFR/Eurodollar、長期公債)
- 外匯
今天的期貨成交量,金融期貨的規模遠超過商品期貨。雖然「商品市場」這個稱呼仍被沿用,許多「期貨交易者」實際上在交易的是股票、債券與外匯。
附錄 2:績效指標#
為什麼不能只看報酬率#
「想把報酬翻倍嗎?很簡單——把每筆交易的部位放大兩倍。這讓你變成更好的交易者了嗎?當然不會,因為你也把風險翻倍了。」
施瓦格的核心觀點:報酬只在風險的脈絡下才有意義。所以他的評價體系以「報酬/風險」為主,再參考絕對報酬。
平均年化複利報酬(Average Annual Compounded Return)#
把整段累計報酬轉換為「每年複利相同金額」會等於多少。即使一個交易者的風險調整指標看起來優異,絕對報酬太低仍不算成功。
Sharpe 比率#
最廣為使用的風險調整報酬指標:
- 公式:(平均報酬 − 無風險利率) / 標準差
- 直觀含意:用波動度衡量風險
兩個本質性問題:
- 使用算術平均報酬而非複利報酬:投資人實際拿到的是複利報酬,波動越大,平均與實際偏離越遠。例:一年 +50% 一年 −50%,平均 0%,但實際是 −25%(複利 −13.4%)
- 不區分上行波動與下行波動:Sharpe 把「大幅獲利」與「大幅虧損」同等懲罰,與多數投資人對風險的直覺完全相反
對於本書中許多右偏報酬(贏家遠大於輸家)的交易者,Sharpe 比率會嚴重低估他們的真正績效。例如 Sall 的 Sharpe 比率只有 1.43,但調整後 Sortino 比率是它的 12 倍。
Sortino 比率#
針對 Sharpe 比率兩大缺點的修正:
- 用複利報酬取代算術平均報酬
- 用「下行偏差(downside deviation)」取代標準差作為風險衡量
- MAR(Minimum Acceptable Return)通常設為 0、無風險利率、或平均報酬
但 Sortino 不能直接與 Sharpe 比較——Sortino 算式中的分母只算虧損偏差,分子卻用整段報酬,會系統性偏高。
調整後 Sortino 比率(Adjusted Sortino Ratio)#
施瓦格偏好的核心指標:
- 公式:Sortino 比率 / √2
- 目的:讓它直接可與 Sharpe 比率比較
- 解讀:
- 調整後 Sortino > Sharpe → 報酬右偏(大贏家比大輸家更多更大)
- 調整後 Sortino < Sharpe → 報酬左偏(大輸家比大贏家更大)
Gain to Pain 比率(GPR)#
施瓦格自創、書中反覆使用:
- 公式:所有月份報酬總和 / 所有虧損月份絕對值總和
- 直觀含意:累積獲利 vs. 你必須承受的累積虧損之比
特性:
- 不像 Sortino 把虧損平方化,GPR對所有虧損等比例懲罰——5 個 −2% 的月份與 1 個 −10% 的月份,在 GPR 中分母貢獻相同
- 既能用月資料也能用日資料;月資料對應更高,月 GPR 通常是日 GPR 的 6–7 倍
- 對月資料來說:> 1.0 為「很好」、> 2.0 為「卓越」
- 對日資料來說:相應門檻約為 0.15 與 0.30
施瓦格建議同時看 Adjusted Sortino 與 GPR:兩者各自捕捉不同層面的風險特性,組合使用最能反映交易者真實的優勢。
比較幾個本書中的指標#
| 交易者 | 年化報酬 | 最大回撤 | Adjusted Sortino | 月 GPR |
|---|---|---|---|---|
| Peter Brandt | 58% | — | 3.00 | 2.81 |
| Jason Shapiro(20% 目標波動) | 34% | 16.1% | 2.83 | 2.45 |
| Richard Bargh | 280% | 11% | 25.1 | 18.3 |
| Amrit Sall | 337% | — | 17.6 | 21.1 |
| Daljit Dhaliwal | 298% | < 20% | 10.3 | 8.5 |
| John Netto(名義帳戶) | 42% | 15% | 4.7 | 4.8 |
| Marsten Parker(20 年) | 20.0% | — | 1.05 | 1.24 |
| Michael Kean | 29% | < 20% | — | 2.86 |
| Pavel Krejčí(11.5 年) | 35.0% | 7%(月底) | 3.6 | 6.7 |
以上數字僅供讀者快速對照——這些受訪者的方法、工具、市場、時間框架完全不同,單獨比較數字並無意義;它們存在的價值,是讓我們相對地校準「卓越」這個概念的尺度。
對讀者的提醒#
當你閱讀本書中的數字時:
- 永遠把回報放進風險的脈絡
- 看到漂亮的 Sharpe 不一定就是強,看到普通的 Sharpe 不一定就是弱
- 調整後 Sortino 與 Sharpe 的比例比兩者的絕對值更能告訴你「報酬分布的偏斜方向」
- GPR 揭示交易者的「實際痛苦」,而非數學上的標準差