當組合持股眾多時，我們很難從單一的夏普比率判斷出哪些股票真正提升了組合的夏普、哪些其實在拖累組合的夏普。本文想談談如何將組合的夏普比率拆解為各持股的邊際貢獻，透過逐一剔除的方式，找出組合中真正的績效推手。
為什麼不能直接用個股的夏普比率來加總
許多人直覺地認為，只要計算每一檔股票的個別夏普比率，然後按照權重加總，就能得到組合的整體夏普比率。但這個想法是錯誤的。
組合的夏普比率公式為 SR_p = (μ_p - r_f) / σ_p，其中 μ_p 是組合的預期報酬率，σ_p 是組合的標準差。組合的報酬率是各股票報酬率的加權平均，但組合的標準差並非各股票標準差的加權平均，它還包含了股票之間的共變異數項。正是因為標準差的非線性本質，組合的夏普比率無法被簡單地分解為個股夏普比率的加權總和。
一檔股票的個別夏普比率可能很低，但如果它與組合中其他股票的相關性為負，它對組合整體夏普比率的貢獻可能遠大於它的個別表現。反之，一檔股票個別夏普比率很高，但如果它與組合中其他股票高度正相關，它在組合中的邊際貢獻可能不如想像中那麼大。
因此，我們需要一套更精細的方法來評估每檔股票對組合夏普比率的邊際貢獻。
邊際貢獻的計算邏輯
邊際貢獻衡量的是把這檔股票從組合中移除之後，組合的夏普比率會下降多少。這個下降的幅度，就是這檔股票對整體夏普比率的邊際貢獻。
更具體地說，對於組合中的第 i 檔股票，我們可以計算兩個數字。第一個是包含該股票的完整組合的夏普比率 SR_p。第二個是將該股票權重設為零、其餘股票的權重重新標準化為總和為 1 之後的排除該股票後的組合夏普比率 SR_p(-i)。兩者的差異 ΔSR_i = SR_p - SR_p(-i)，即為該股票對組合夏普比率的邊際貢獻。
如果 ΔSR_i 為正，代表這檔股票對組合的風險調整後績效有正向貢獻，拿掉它會讓組合變差。如果 ΔSR_i 為負，代表這檔股票其實拖累了組合的表現，拿掉它反而會讓組合變好。如果 ΔSR_i 接近零，代表這檔股票對組合的邊際影響微乎其微，可有可無。
實務中的解讀與應用
- 辨識績效核心。 找出邊際貢獻最大的前幾檔股票，它們是組合績效的主要推手。如果前三檔股票的貢獻佔據了整體的 80% 以上，代表這個組合的績效高度集中，風險分散的效果有限。這種情況下，只要這幾檔股票發生反轉，整體組合的夏普比率就會大幅下滑。
- 找出拖累者。 邊際貢獻為負的股票，代表它們實際上在拖累組合的風險調整後績效。這些股票可能有幾種情況，報酬率太低、波動率太高、或是與組合中其他股票高度相關卻沒有帶來額外的預期報酬。識別出這些拖累者之後，可以考慮將它們從組合中移除，或降低它們的權重。
- 識別具有避險價值的股票。 有些股票的個別夏普比率並不高，但邊際貢獻卻相當可觀。這通常發生在那些與組合其他部位呈負相關的股票上，它們本身波動大但報酬普通，卻因為在市場下跌時能提供保護而顯著平滑了組合的整體淨值曲線。這類股票在傳統的個股篩選中容易被忽略，但在邊際貢獻的分析中會凸顯出它們的獨特價值。
實務上的注意事項
- 預期報酬的估計誤差。 邊際貢獻的計算高度依賴於預期報酬 μ 與共變異數 Σ 的估計。如果這些估計值本身充滿雜訊，拆解出來的邊際貢獻也會極不穩定。建議使用較長的估計窗口來提高穩定性，或採用收縮估計法等穩健估計技術。
- 邊際貢獻的動態變化。 一檔股票在不同時期的邊際貢獻可能截然不同，在順風期它是績效推手，在逆風期可能變成拖累者。建議定期重新計算邊際貢獻，觀察其變化軌跡，而不是只做一次靜態的分析。
- 邊際貢獻與權重的關係。 權重較大的股票通常會有較大的邊際貢獻，這是因為它們在組合中佔據較大的份額。在比較不同股票的邊際貢獻時，應該同時考量它們的權重，一檔佔比 10% 的股票貢獻了組合夏普比率的 20%，這代表它表現出色；但一檔佔比 10% 的股票只貢獻了 5%，則代表它表現不如預期。
原文出處：voltima_quant (@voltima_quant) 於 Threads · 查看原文
