前面提到過，策略或資產的收益本身是有益的、正面的，但是收益的不確定性或者說風險則相反，當風險程度增加時，量化交易策略的最終結果會呈現出不穩定的表現，這種不穩定性也就是風險所帶來的負面效應。收益和風險作爲量化交易策略研發中兩個最爲重要的特徵，一個正面一個負面，既可以作爲我們事後評判策略表現的參考指標，也可以作爲事前的度量工具參與策略模型的構建工作。
如第2章中所述，在基本的策略研發流程下，策略或資產的收益情況，是與量化交易策略的買賣行爲直接相關的。即基於買點、賣點的選擇，使得策略得到一個正的整體收益,或是通過判斷交易資產的未來收益正負，來決定買入或賣出資產。而風險則會影響到量化交易策略中交易倉位的設置，也在一定程度上與收益因素共同決定了策略的買賣設置。
而在圖2-4所示的量化交易策略研發流程中，我們將策略模型所使用的目標函數進行了唯一化,即策略的風險調整後收益，也就是風險與收益的一種有效結合。通過考察這一結合指標，買賣和倉位的設置可以同時作爲參數進行優化，進而得到最終的量化交易策略。
在這裏，風險調整後收益是一種 由收益和風險共同組成的數學指標，其隨着收益的增大面增大，隨着風險的增大而減小。而由於收益是正面因素，風險是負面因素，因此風險調整後收益就可以直觀表現出量化交易策略的優劣。將風險調整後收益作爲唯一的目標函數也就能夠讓策略優化過程更爲直接。
當然，將風險調整後收益作爲策略表現的一個事後度量指標也是有所裨益的。例如，存在兩個待選的量化交易策略一策略 A和策略B,策略A的收益更高但風險也更高，而策略B的收益較低但風險也較低時，使用分離的收益度量指標和風險度量指標就很難判斷出哪個策略更好。而通過比較兩個策略的風險調整後收益，就可以準確地判斷出哪個策略更加優秀。
準確地講，風險調整後收益是一類指標的統稱，只要是正面度量收益、負面度量風險的數學形式都可以算作風險調整後收益。夏普比率是最爲著名也是應用最爲廣泛的風險調整後收益指標，以其創造者夏普的名字命名。夏普比率度量的是交易策略或者投資資產每承受一單位的總風險，可以產生多少的超額收益。具體計算形式爲
式中，R是交易策略或者投資資產的收益率; R是無風險收益率; σ則是交易策略或者投資資產的收益率標準差。
信息比率是另一個經常被用到的風險調整後收益指標，特別是在研究量化選股策略時，研究人員往往更偏向於使用信息比率。實際上，信息比率和夏普比率的構造方法十分相似，度量的同樣是交易策略或者投資資產每承受一單位的總風險，會產生多少的超額收益。兩者最大的差別在於分子中被減去的，一個是基準收益率，一個是無風險收益率,具體如下
式中，R是交易策略或者投資資產的收益率; rn是基準收益率; σ(R-rg)則是交易策略或者投資資產的收益率減去基準收益率後，所得到的新收益率序列的標準差。
這裏所說的基準收益率，是由研究人員選取一個合適的基準資產、基準策略或基準指數所具有的收益率，其與所研究的交易策略或投資資產具有某此相同的特性，因此可以用來進行對比。觀察夏普比率的計算形式可以發現，其實夏普比率就是將比較基準選爲無風險資產的信息比率。
前面若干個章節討論選股策略的實際表現時，我們都將同期的滬深300指數走勢加入圖中，用來與選股策略進行對比，同時也考察了逐月地將選股策略得到的股票組合收益率減去滬深300指數的收益率後，所形成的新的收益率序列及其淨值走勢。原因在於量化選股策略總是做多股票，因此投資組合中總是包含有市場組合成分以及相應的市場系統風險。這正是研究量化選股策略時經常使用信息比率的原因，通過減去市場組合基準的收益率，能夠更好地反映出策略在選股方面的真實能力。
什麼時候更適合使用夏普比率，什麼時候更適合使用信息比率,需要研究人員理解量化交易策略或是其研究對象的收益組成、風險組成以及各個組成部分的具體性質。例如第4章和第7章所涉及的擇時策略，多空靈活，更適合將無風險資產進行對比，那麼夏普比率就是一 個較爲合適的風險調整後收益指標。不過，在實際使用中，許多研究者往往會混用夏普比率和信息比率，讀者如果遇到這種情況還需注意。
在風險調整後收益指標中，與夏普比率和信息比率類似的，還包括索提諾比率。其分子端的構成和夏普比率相同，分母端的標準差則換爲半側標準差元。也就是說，該指標中所包含的風險項刻畫的是交易策略或者投資資產的下側風險，如下:
式中，R-ry也可以在某些情形下變化爲R-rs,從而加入適合的基準進行對比。
以上三種風險調整後收益指標都是通過收益除以風險得到，因此也具有一些較爲相似的性質。例如，當收益和風險都是由日度數據計算得到的時候，是不能與由月度數據計算得出的結果直接進行對比的。不同時間頻率的樣本數據，會使得這種除法導向的指標的度量基準不同。
如果要橫向對比兩種不同樣本頻率下的量化交易策略，例如前文中使用日度數據進行研究的擇時策略和使用月度數據進行研究的選股策略，那麼需要將這些風險調整後收益指標調整到一個頻率基礎之下，如將指標年化。而進行年化處理時，往往是分別將收益和風險年化，然後做除法得到。收益的年化相對而言比較好理解，標準差這類指標的年化則一般是乘上頻率比例的方差，例如月度數據下的標準差年化，即在其數據上乘以√12得到。
除了上述三種指標之外，還存在其他一些由除法得到的風險調整後收益指標。實際上,除法導向是一個非常好的收益風險組合框架,分子端的收益刻畫正面效果，分母端的風險刻畫負面效果,符合研判直覺。廣義上而言，只要找到合適的收益度量方式和合適的風險度量方式，將其通過除法結合在一起就是一個可用的風險調整後收益指標。另外，做除法時保持兩者的量綱一致是較爲推薦的，可以使指標具備較強的邏輯內涵和較好的數學特性。
例如作者較爲偏好的一個做法， 用年化收益率除以年化最大回撤來表示量化交易策略的風險調整後收益。由於最大回撤是一個更偏向於對策略實際表現進行描述的風險度量形式，因此這--風險調整後收益也更適合用來對量化交易策略的表現進行事後評判。將其作爲目標函數進行優化也是可行的，不過該指標不太良好的數學特性會引發一些附帶的問題，因此也建議其他研究者謹慎爲之。
另外例如特雷諾比率，也是一個通過除法計算得到的風險調整後收益指標。其計算形式如下
可以發現，其與夏普比率的區別，同樣在於風險度量方式選取的不同。這裏的β代表策略或資產所具有的系統風險，這-概念來自第I章曾提到過的資本資產定價模型，也就是策略淨值隨市場資產同向運動所形成的沒有風險補償的部分風險。
在對收益的風險調整過程中，收益與風險的搭配方法不止除法種。前面已經提到過，只要是對收益給予獎勵.對風險給予懲罰的算法，都可以作爲風險調整後收益的度量指標使用。一個更簡單的做法是用收益減去風險，例如用收益率減去方差
式中，日是人爲設定的比例係數，用來調節對風險的懲罰力度，在一定程度上表現了指標使用者的風險偏好。
第1章曾提到過的馬科維茨最優投資組合理論,其基本計算形式是在方差一定的基礎上最大化收益率，或是在收益率一定的基礎上最小化方差。而作爲一種變種形式，我們也可以將收益率減去方差作爲唯一的優化目標，通過最大化這一指標，在設置好懲罰係數0的基礎上得到最優的投資組合配置。
一般而言，將風險和收益相結合的風險調整後收益指標，不太會使用類似於GARCH這樣的動態調整模型。就算存在，也只是將動態調整的收益和動態調整的風險通過除法或減法結合起來，用作事後的量化交易策略績效度量，其優點在於更具有時效性，更能適應於市場或策略的轉變。但是若將這種動態的風險調整後收益指標用於策略研發過程，往往會使得策略模型過於複雜，得不償失。