
در دنیای پرنوسان بازار ارزهای دیجیتال، تنها بررسی بازدهی یک دارایی کافی نیست. تریدرها و سرمایهگذاران حرفهای علاوه بر بازدهی، ریسک را نیز در محاسبات خود وارد میکنند تا تصمیمهای دقیقتری بگیرند. یکی از ابزارهای مهم برای سنجش «نسبت سود به ریسک» در سرمایهگذاری، نسبت شارپ (Sharpe Ratio) است.
در این مقاله، به زبان ساده و کاربردی بررسی خواهیم کرد که نسبت شارپ چیست، چگونه محاسبه میشود، چه کاربردی در بازار رمزارزها دارد و چگونه میتوان از آن برای بهبود تصمیمهای معاملاتی استفاده کرد. اگر به دنبال روشی علمی برای سنجش عملکرد پرتفوی رمزارزی خود هستید، این مقاله را از دست ندهید.
نسبت شارپ چیست؟
نسبت شارپ معیاری است برای اندازهگیری بازدهی تعدیلشده بر اساس ریسک. این شاخص توسط ویلیام شارپ، برنده جایزه نوبل اقتصاد، توسعه داده شده و یکی از پرکاربردترین ابزارها در علم مالی است.
تعریف ساده: نسبت شارپ به ما میگوید که در ازای هر واحد ریسک، چقدر بازده اضافی بهدست آوردهایم. هرچه این عدد بزرگتر باشد، یعنی سرمایهگذاری ما بهینهتر و بهتر بوده است.
فرمول نسبت شارپ
فرمول کلی این نسبت به شکل زیر است:
Sharpe Ratio = (Rp – Rf) / σp
- Rp: بازده سبد یا دارایی مورد نظر
- Rf: نرخ بازده بدون ریسک (مانند سود اوراق خزانهداری یا سود بانکی)
- σp: انحراف معیار بازده سبد یا همان میزان نوسان (ریسک)

مثال ساده:
اگر بیت کوین در یک ماه ۱۲٪ سود داده، و نرخ سود بدون ریسک مثلاً ۳٪ باشد، و نوسانات بازده بیت کوین ۶٪ باشد، آنگاه:
Sharpe = (۱۲٪ – ۳٪) ÷ ۶٪ = ۱٫۵
یعنی برای هر واحد ریسک، ۱٫۵ واحد بازده اضافی کسب کردهایم.
چرا نسبت شارپ برای بازار ارز دیجیتال مهم است؟
بازار رمزارزها به شدت نوسانی است. داراییهایی مانند بیت کوین، اتریوم یا میمکوینها ممکن است در یک روز رشدهای ۲۰ درصدی یا افتهای ۳۰ درصدی را تجربه کنند. بنابراین، صرف نگاه به درصد سود نمیتواند معیار خوبی برای قضاوت در مورد عملکرد باشد.
مزایای استفاده از نسبت شارپ در کریپتو:
- مقایسه بین داراییها: مثلاً اگر بیت کوین ۴۰٪ سود داده ولی با نوسان شدید، و اتریوم ۳۰٪ سود با نوسان کمتر، Sharpe میتواند بگوید کدام بهتر بوده است.
- تحلیل پرتفوی: با این نسبت میتوان عملکرد کل سبد رمزارزی را سنجید.
- ارزیابی ریسک پروژههای جدید: رمزارزهای تازهوارد ممکن است سود بالا ولی ریسک بسیار زیادی داشته باشند.
راهنمای گامبهگام محاسبه نسبت شارپ
در این بخش به صورت ساده مراحل محاسبه Sharpe Ratio را برای یک رمزارز آموزش میدهیم.
گام اول: جمعآوری دادهها
- قیمت روزانه یا هفتگی دارایی موردنظر (مثلاً قیمت بیت کوین)
- نرخ سود بدون ریسک (در ایران میتوان از سود بانکی یا نرخ تورم واقعی استفاده کرد)
بازده روزانه یا ماهانه دارایی:
بازده = (قیمت امروز – قیمت دیروز) / قیمت دیروز
گام دوم: محاسبه میانگین بازده (Rp)
مثلاً اگر میانگین بازده روزانه بیت کوین در یک ماه برابر با ۰٫۵٪ باشد، Rp = ۱۵٪ ماهانه
گام سوم: تعیین نرخ بازده بدون ریسک (Rf)
فرض کنیم Rf = ۲٪ ماهانه
گام چهارم: محاسبه انحراف معیار بازدهها (σp)
از فرمول آماری انحراف معیار استفاده کنید یا با نرمافزارهایی مثل Excel، Google Sheets یا پلتفرمهای آنچین آنالیز (مثلاً CryptoQuant) محاسبه کنید.
گام پنجم: جایگذاری در فرمول
Sharpe = (۱۵٪ – ۲٪) ÷ انحراف معیار بازدهها
اگر انحراف معیار برابر ۷٪ باشد:
Sharpe = ۱۳٪ ÷ ۷٪ = ۱٫۸۵
تفسیر عدد نسبت شارپ
- اگر مقدار کمتر از ۱ باشد، عملکرد ضعیف تلقی میشود (ریسک بالا نسبت به سود)
- اگر نسبت شارپ بین ۱ تا ۲ باشد، عملکرد متوسط یا قابل قبول است
- اگر نسبت بین ۲ تا ۳ باشد، عملکرد خوب و متعادل محسوب میشود
- نسبت Sharp بالای ۳ نشاندهنده عملکرد عالی با مدیریت مناسب ریسک است
نکته: در بازار کریپتو، بهدلیل نوسانات بالا، Sharpe بالای ۲ معمولاً نشاندهنده استراتژیهای بسیار موفق است.
مثال واقعی: مقایسه بیت کوین و اتریوم با استفاده از نسبت شارپ
فرض کنیم در سال گذشته:
- بیت کوین: بازده سالانه ۸۰٪، انحراف معیار ۶۰٪
- اتریوم: بازده سالانه ۶۰٪، انحراف معیار ۳۰٪
- نرخ بدون ریسک = ۵٪
Sharpe بیتکوین:
(۸۰٪ – ۵٪) ÷ ۶۰٪ = ۱٫۲۵
Sharpe اتریوم:
(۶۰٪ – ۵٪) ÷ ۳۰٪ = ۱٫۸۳
با اینکه بیت کوین سود بیشتری داده، اما اتریوم با Sharpe بالاتر، سرمایهگذاری بهتری از نظر ریسک و بازده بوده است.
تفاوت نسبت شارپ با نسبت سورتینو و نسبت تریینو
- نسبت سورتینو (Sortino): مثل شارپ است، ولی فقط نوسانات منفی را در محاسبه وارد میکند. در بازار کریپتو کاربرد بیشتری دارد چون نوسانات مثبت نباید جریمه شوند.
- نسبت تریینو (Treynor): بهجای انحراف معیار از بتا (Beta) استفاده میکند. در رمزارزها به دلیل نبود بازار شاخص مرجع، کاربردش محدودتر است.
مزایا و معایب نسبت شارپ
مزایا:
- ساده و قابل فهم
- قابل استفاده در تمام بازارها
- مناسب برای مقایسه بین داراییها یا استراتژیها
معایب:
- فرض میکند بازدهها نرمال هستند (که در کریپتو کمتر صدق میکند)
- به نوسانات مثبت هم حساس است (که ممکن است سرمایهگذار نخواهد آنها را بهعنوان ریسک ببیند)
چگونه از نسبت شارپ برای بهبود استراتژی ترید خود استفاده کنیم؟

۱. قبل از خرید یک رمزارز جدید، Sharpe آن را بررسی کنید.
۲. در تحلیل سبد دارایی خود، داراییهایی با Sharpe منفی را حذف کنید.
۳. استراتژیهای خود (اسکالپ، هولد، ترید الگوریتمی) را از نظر عملکرد Sharpe بسنجید.
۴. با محاسبه Sharpe در بازههای زمانی مختلف (هفتگی، ماهانه، سالانه)، ثبات عملکرد خود را بسنجید.
ابزارهای آنلاین برای محاسبه نسبت شارپ
برای راحتی کار، میتوانید از ابزارهای آنلاین استفاده کنید:
- Portfolio Visualizer
- Sharpe Ratio Calculator by Investopedia
- CoinMetrics و Messari برای دادههای رمزارزها
- Google Sheets + توابع STDEV و AVERAGE
جمعبندی: آیا نسبت شارپ برای تریدرهای ارز دیجیتال ضروری است؟
در بازاری که نوسانات شدید در آن رایج است، استفاده از ابزارهایی مانند نسبت شارپ برای سنجش عملکرد سرمایهگذاری، نهتنها مفید بلکه ضروری است. این شاخص به تریدرها کمک میکند تا تصمیمهای آگاهانهتری بگیرند و بازدهی خود را در کنار مدیریت ریسک بسنجند.
فراموش نکنید که نسبت شارپ بهتنهایی کافی نیست و بهتر است در کنار سایر شاخصها مانند نسبت سورتینو، تحلیل تکنیکال و فاندامنتال استفاده شود. اما بهعنوان نقطه شروع برای سنجش عملکرد، Sharpe یکی از بهترین و سادهترین ابزارهاست.
سوالات متداول
آیا نسبت شارپ فقط برای سرمایهگذاری بلندمدت کاربرد دارد؟
خیر، میتوان Sharpe را در بازههای زمانی کوتاه مانند هفته یا ماه نیز محاسبه کرد. فقط کافی است دادهها را بهدرستی تنظیم کنید.
آیا نسبت شارپ در بازارهای خرسی هم مفید است؟
بله، بهویژه در بازارهای نزولی میتوان فهمید کدام دارایی یا استراتژی عملکرد بهتری نسبت به ریسک داشته است.
اگر نسبت شارپ منفی باشد چه معنایی دارد؟
یعنی بازده شما کمتر از نرخ بدون ریسک بوده و سرمایهگذاری زیانده محسوب میشود.
آیا نسبت شارپ در انتخاب توکن برای خرید مفید است؟
بله، مخصوصاً اگر بین چند توکن شک دارید، مقایسه نسبت Sharpe آنها میتواند راهگشا باشد.
آیا میتوان نسبت شارپ را برای NFT یا میمکوینها نیز محاسبه کرد؟
اگر دادههای قیمتی آنها در طول زمان موجود باشد، بله. اما بهدلیل نوسانات بسیار بالا، نتیجه ممکن است چندان پایدار نباشد.