Die Probabilistic Sharpe Ratio (PSR) ist eine finanzmathematische Kennzahl nach David H. Bailey und Marcos López de Prado (2012), die die Wahrscheinlichkeit quantifiziert, dass der reale Sharpe-Quotient einer Anlagestrategie über einem vordefinierten Benchmark-Niveau liegt. Im Gegensatz zum traditionellen Sharpe-Quotienten verzichtet die PSR auf die fehlerhafte Annahme normalverteilter Renditen. Sie bereinigt die Performancemessung explizit um die Stichprobenlänge (Track-Record-Dauer) sowie um höhere statistische Momente wie Schiefe (Skewness) und Wölbung (Kurtosis), um Scheinerfolge durch Zufall oder asymmetrische Verlustrisiken zu entlarven.

Der klassische Sharpe-Quotient wird in der Praxis als Punktschätzer berechnet. Er ignoriert dabei vollkommen, dass historische Renditen einer Stichprobe entstammen und mit wachsender Volatilität oder kurzer Datenhistorie enormen Schätzfehlern unterliegen. Wenn zwei Handelsmodelle denselben annualisierten Wert von 1,5 aufweisen, das eine jedoch über 6 Monate und das andere über 5 Jahre evaluiert wurde, besitzen beide eine völlig unterschiedliche statistische Aussagekraft. Die Probabilistic Sharpe Ratio überführt den Quotienten in eine stochastische Verteilungskurve.

Unter Rückgriff auf die asymptotische Normalität des Sharpe-Quotienten (hergeleitet von Mertens) lässt sich der Standardfehler des Schätzers berechnen. Die kumulierte Wahrscheinlichkeit, dass die wahre Sharpe Ratio größer als eine definierte Benchmark SR* ist, ergibt sich über die kumulierte Standardnormalverteilungsfunktion Φ:

Die Variablen der Gleichung gliedern sich wie folgt auf:

• SR: Der gemessene nominale Sharpe-Quotient der Strategie (auf derselben Frequenzbasis wie T berechnet).
• SR*: Der gewählte Benchmark-Schwellenwert (im Basistest typischerweise 0, kann aber auch der Marktdurchschnitt oder eine risikoadjustierte Hurdle-Rate sein).
• T: Die Anzahl der Renditebeobachtungen (z. B. Handelstage oder -monate).
• γ₃ (Schiefe / Skewness): Misst die Asymmetrie der Renditen. Negative Schiefe bläht den Nenner auf und reduziert die statistische Konfidenz.
• γ₄ (Wölbung / Kurtosis): Misst die Ausprägung von Extremrisiken (Fat Tails). Eine Kurtosis über 3 bestraft den Punktschätzer drastisch.
• Φ: Kumulierte Verteilungsfunktion der Standardnormalverteilung (CDF).

Handelsansätze wie der Verkauf ungedeckter Optionen (Short Volatility) oder enge Grid- und Martingale-Systeme erzeugen über weite Strecken stetige Gewinne bei minimalen Schwankungen. Dies führt isoliert betrachtet zu künstlich überhöhten nominalen Sharpe Ratios von oft > 2,5. Solche Strategien weisen jedoch eine ausgeprägt negative Schiefe und extreme Wölbung (Kurtosis) auf. In der PSR-Formel führt der Korrekturterm im Nenner dazu, dass der resultierende Wahrscheinlichkeitswert selbst bei hohem nominalen Wert auf unter 0,50 absackt. Die PSR deckt damit auf, dass der scheinbare Erfolg lediglich das Verschleiern eines katastrophalen Ruinrisikos darstellt.

Im institutionellen Fondsmanagement sowie bei quantitativen Allocatoren bildet die PSR das Fundament einer risikogerechten Leistungsprüfung (Performance Attribution).

Bei der Allokation von Kapital fordern institutionelle Investoren einen statistischen Nachweis, dass ein Manager nicht bloß in einer günstigen Marktphase operiert hat. Ein Fonds mit einem Sharpe-Wert von 1,2 über 12 Monate erreicht in der PSR selten mehr als 75 % Konfidenz – zu wenig für eine institutionelle Freigabe. Erst wenn die PSR die 95-%-Schwelle überschreitet, gilt die Überrendite gegenüber der Benchmark als hinreichend statistisch gesichert.

Die drei modernen Metriken nach Bailey und López de Prado bauen direkt aufeinander auf:

• Probabilistic Sharpe Ratio (PSR): Prüft einen einzelnen isolierten Track Record auf Signifikanz unter Berücksichtigung von Schiefe, Kurtosis und Historienlänge T.
• Deflated Sharpe Ratio (DSR): Erweitert die PSR, indem sie die Benchmark SR* durch das erwartete Maximum aus N Optimierungsversuchen (Data-Snooping-Bias) ersetzt. Sie testet somit die gesamte Modellfamilie.
• Minimum Track Record Length (MinTR): Invertiert die PSR-Formel. Sie gibt vorab an, welche Stichprobenlänge T erforderlich ist, um ein angestrebtes PSR-Niveau (z. B. 0,95) rechnerisch überhaupt erzielen zu können.

• Unberücksichtigter Selektionsbias: Wird eine Strategie isoliert bewertet, die zuvor das Ergebnis von 5.000 Optimierungsläufen war, liefert die PSR ein fälschlicherweise optimistisches Signal. In solchen Fällen muss zwingend auf die Deflated Sharpe Ratio (DSR) ausgewichen werden.
• Autokorrelation von Zeitreihen: Die asymptotische Herleitung setzt unabhängig und identisch verteilte Renditen (IID) voraus. Besteht serielle Korrelation (z. B. Momentum-Effekte oder illiquide Bewertungen), wird die Varianz unterschätzt. Die Zeitreihe muss in diesen Szenarien vorab autoregressiv bereinigt werden.
• Instationarität (Regimewechsel): Schiefe und Wölbung verändern sich über Marktzyklen hinweg drastisch. Ein historisch kalkulierter PSR-Wert garantiert keine Stabilität bei makroökonomischen Brüchen.