盲区：把“风险”压缩成一个方差，忽略尾部与路径
夏普比率用“超额收益/波动率”来概括风险调整后的表现，其中波动率通常以收益率的标准差衡量。这一压缩在收益分布接近正态、且上行与下行波动对投资者“同等不偏好”时较为顺畅；但在非正态收益中，标准差往往不再是“坏结果的代表”，而是把多种截然不同的风险来源混在一起。
第一类盲区是尾部风险被稀释。非正态分布常见厚尾与偏度：少数极端亏损（或极端盈利）会显著影响财富分布，却未必让标准差按比例反映其破坏性。一个策略可能长期小幅盈利、偶尔巨亏（负偏度、厚尾），其日常波动看似不大，夏普比率可能仍然体面，但它无法表达“极端情景下损失的量级与频率”。相反，另一策略可能经常出现较大正波动（正偏度），标准差被抬高导致夏普被压低，但这并不等同于“风险更大”，只是波动的方向性不同。
第二类盲区是路径依赖与回撤结构。夏普比率基于收益序列的均值与方差，忽略亏损集中发生还是分散发生、是否存在长时间水下期、回撤恢复速度等路径特征。两条收益曲线即便均值和标准差相同，最大回撤、回撤持续期、尾部连亏的聚集性都可能完全不同，而这些常是非正态收益的核心信息。
第三类盲区是非线性收益的“伪平滑”。卖出期权、结构性票息、分层产品、某些套利与杠杆策略常呈现“平时很稳、偶尔跳崖”的分布形态。收益看起来平滑会降低样本标准差，从而抬升夏普；但这种平滑并不等价于风险减少，而可能来自风险在尾部集中释放。此处的误读与“期限利差的盲点是什么？经济预期反转导致解释困难”类似：当核心驱动在少数状态发生反转或跳变时，单一统计量会在多数时间看似有效，却在关键状态下失语。
前提假设：线性、可加、稳定与“方差足够”
夏普比率隐含若干前提，非正态收益往往会逐条侵蚀这些前提，使其解释范围缩小。
其一，收益分布的稳定性与可比性。夏普默认样本均值与波动率具有一定稳定性，至少能代表未来或不同阶段的同一过程。但在波动率聚集、结构突变、制度切换、流动性骤变时，均值与方差会随状态切换而漂移，导致同一策略在不同子样本的夏普差异巨大。此时夏普更像“某段时间的摘要”，而非可迁移的特征。
其二，风险可以用二阶矩充分刻画。夏普将风险等同于标准差，隐含投资者对收益分布的高阶特征（偏度、峰度）不敏感，或这些特征可以忽略。然而非正态收益的关键恰在高阶矩：负偏度意味着亏损尾部更重，厚尾意味着极端事件概率更高。只看方差，相当于默认“只要波动一样，风险就一样”，这在厚尾环境下并不成立。
其三，收益可线性缩放与独立同分布近似。常见做法会把日度夏普按平方根时间缩放成年化值，隐含收益近似独立同分布、方差随时间线性累积。但在自相关显著、收益被平滑（如估值滞后、定价模型、流动性不足导致的“报价黏性”）或存在跳跃过程时，这种缩放会产生系统性偏差：被平滑的序列会低估波动率，从而高估夏普。
其四，基准利率与超额收益定义的可用性。夏普需要一个无风险利率或基准收益来定义超额收益；在高通胀、利率快速变化、不同币种与融资条件不一致、或资金成本与无风险利率脱钩时，“超额收益”本身就不再是单一、统一的量，进而影响夏普作为横向比较的含义。
失效情境：厚尾、跳跃、杠杆与估值滞后的组合
非正态并非抽象概念，它往往由具体机制产生；当这些机制存在时，夏普比率的解释力会显著下降。
一是卖波动/卖尾部的收益形态。期权卖方、某些信用策略、带有隐含担保或流动性溢价收割的策略，常表现为小赚多次、偶尔大亏。样本期若未覆盖极端事件，均值看起来稳定、标准差偏低，夏普可能异常“漂亮”，但它无法表达潜在的尾部断裂风险。
二是杠杆与保证金约束下的跳跃风险。杠杆会把常态波动放大，更重要的是引入强制平仓、追加保证金、流动性折价等非线性机制，使亏损分布出现跳跃与厚尾。夏普无法区分“自然波动”与“约束触发导致的离散跳变”，也无法表达在特定阈值附近风险如何突然上升。
三是流动性不足与估值模型导致的“低波动假象”。私募股权、部分债券、复杂结构化产品、或报价稀疏的资产，收益序列可能因估值滞后而呈现自相关与波动被压低。此时夏普高，更多反映“计量口径的平滑”，而非真实风险下降。这种口径差异与“流动比率的局限性有哪些？流动资产质量差异带来的问题”相通：表面数字一致，但质量与可变现性差异会让指标在压力情景下失真。
四是状态切换与尾部相关性上升。在危机或流动性收缩阶段，资产相关性往往上升，分散化效果下降，组合收益分布变厚尾。夏普基于历史平均相关结构与波动结构，无法表达“相关性在尾部变高”的事实，因此对压力情景下的组合风险缺乏刻画。
五是样本选择与幸存者偏差。非正态策略常经历“长时间平稳+少数崩溃”的生命周期，若统计只覆盖幸存阶段或剔除已清盘样本，夏普会系统性偏高。夏普本身并不包含对样本生成机制的校正，因此无法回答“该指标是否被幸存者筛选过”。
无法反映的维度：尾部概率、回撤成本、可交易性与因果来源
在非正态收益中，夏普无法覆盖的维度往往恰是风险管理与解释所需要的信息。
首先是尾部损失的形状与概率：极端损失发生的频率、单次损失的深度、以及损失是否集中在特定市场状态。夏普不区分“很多中等亏损”与“少数灾难性亏损”，也不表达最坏分位数的结果。
其次是回撤与恢复的时间成本：最大回撤、回撤持续期、恢复到新高所需时间等属于路径维度。对于具有资本约束、赎回压力或保证金约束的主体，时间维度本身就是风险，但夏普并未编码。
再次是可交易性与实施摩擦：滑点、冲击成本、融资利差、再平衡频率、以及在压力时刻能否成交。非正态收益常与流动性溢价或拥挤交易相关，真实可实现收益与回测收益差距可能在尾部放大，夏普无法告诉读者“收益是否可复制”。
最后是收益来源的因果拆解：夏普只描述结果，不区分收益来自风险溢价、杠杆、卖保险、期限错配、流动性补偿或会计估值平滑。它不能回答“收益为什么出现”，也无法说明在机制改变时是否仍成立。
使用边界：它回答的是“均值-波动”效率，不是“尾部-机制”安全
在非正态收益里，夏普比率的边界可以概括为：它主要回答在特定样本与口径下，单位标准差对应的平均超额收益是多少；但它不回答尾部会发生什么、回撤会持续多久、压力情景下相关性如何变化、收益是否由非线性与约束触发机制驱动。
因此，当收益分布明显偏斜、厚尾、存在跳跃、估值滞后或杠杆约束时，把夏普当作统一的“风险调整后优劣”标尺会遗漏关键信息。它更适合作为描述性统计的一部分，而不是对非正态风险的完整刻画框架。
