夏普比率

年化夏普比率：(mean(return) − rf) / std(return) × sqrt(年化因子)。零波动输入经 np.ptp guard 处理（BUG-GOLDEN-001 修复）。Edge-first；连到多个 Price Factor 时按标的 fan out 为 by_symbol。

做什么（One-liner）

Layer-1 变换：消费收益率序列，输出年化风险调整收益。恒定（零波动）收益 clamp 到 0.0，不是 NaN/inf。

输入

• returns（array，必填）—— 收益率序列。
• annualization_factor（number，可选）—— 默认 252（日频）；月频用 12。
• risk_free_rate（number，可选）—— 年化无风险利率，默认 0。

输出

• sharpe_ratio —— 年化夏普。
• by_symbol —— 连多个 Price Factor 时的 per-ticker 映射。

怎么用

1. 提供 returns 数组。
2. 设置 annualization_factor（日频 252，月频 12）。
3. 可选设置 risk_free_rate（年化）。

核心公式

per_period_rf = rf / 年化因子
excess_t = r_t - per_period_rf
sharpe = mean(excess) / std(excess, ddof=0) × √年化因子

特殊情况：ptp(excess) == 0（恒定收益，无波动）→ 返回 0.0（不是 NaN / inf）。

假设与适用场景

假设：年化因子与输入频率匹配（日频 252 / 月频 12）+ population std + linear per-period rf 日化 + 收益近似正态。

适用：组合 / 策略绩效度量，n ≥ 30。

不适用：intraday、厚尾资产、带杠杆的 option portfolio、短序列 n<30。

已知局限

1. 对上行与下行波动对称惩罚（仅下行见 Sortino）。
2. 对 annualization_factor 敏感 —— 日频 vs 月频须与输入频率匹配。
3. 正态假设（BTC/crypto 偏差大）。
4. 零波动 clamp 到 0.0（从 BUG-GOLDEN-001 经验）。

参考文献

Sharpe (1966) + Sharpe (1994) 修订。详见 frontmatter。

Golden Test

tests/golden/fixtures/tier1/sharpe_ratio/，1e-12 tolerance，覆盖正常序列 / 零波动 / 小样本 3 个场景。2026-05-25 passing。参考：numpy 2.2.6 独立重实现 Sharpe 1966 定义。

Changelog

• 1.1.0 (2026-05-25) —— 提升为 Active 的 Layer-1 变换；并入已弃用 Layer-0 sharpe_ratio 卡片的完整治理字段。
• 1.0.0 (2026-05-23) —— 初始 edge-first Layer-1 Draft 卡片。