Sortino 比率

下行偏差调整版夏普。仅惩罚负收益（低于 target_return 的收益），采用与 Sharpe 相同的零波动守卫。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，输出只惩罚下行（低于 target）波动的风险调整收益 —— Sharpe 的非对称修正。零 downside clamp 到 0.0，不是 inf。

输入

• returns（array，必填）—— 收益率序列。
• target_return（number，可选）—— 最低可接受收益，默认 0。
• annualization_factor（number，可选）—— 默认 252。

输出

• sortino_ratio —— 年化 Sortino。
• by_symbol —— 连多个 Price Factor 时的 per-ticker 映射。

怎么用

1. 提供 returns 数组。
2. 可选设置 target_return（默认 0）与 annualization_factor。

核心公式

excess = returns - rf
downside = [min(x - target, 0) for x in excess]
sortino = mean(excess) / std(downside, ddof=0) × √年化因子

零 downside → 0.0。

假设与适用场景

假设：年化因子与输入频率匹配（日频 252）+ MAR = target_return（默认 0）+ downside std 右截断 + 零 downside → 0.0。

适用：厚尾 / 偏斜 / hedge fund-style 策略，n ≥ 30。

不适用：intraday、全正收益序列、短序列 n<30。

已知局限

1. 低于 target 的观测极少时未定义 / 不稳定。
2. target_return 的取值会明显改变结果。
3. 零 downside clamp 到 0.0（修复 BUG-GOLDEN-001 做法）。
4. 与 Sharpe 共享年化假设。

参考文献

Sortino & Price (1994) + Rollinger-Hoffman (2013) 计算陷阱指南。

Golden Test

tests/golden/fixtures/tier1/sortino_ratio/，1e-12 tolerance，2026-05-25 passing。参考：numpy 2.2.6 独立重实现 Sortino-Price (1994)。

Changelog

• 1.1.0 (2026-05-25) —— 提升为 Active 的 Layer-1 变换；并入已弃用 Layer-0 sortino_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。