第八讲：策略绩效评估——夏普比率、最大回撤、胜率与盈亏比、资金曲线分析
各位同学，欢迎来到第八讲。
策略写好了，回测跑完了，然后呢？
很多人拿到一堆回测数据，看着账户数字蹭蹭往上涨，心里就乐开了花。但我得泼盆冷水——回测赚钱不代表实盘能赚钱。真正决定一个策略能不能上实盘的，是绩效评估这关。
这一讲，我们就来聊聊怎么给策略做「体检」。说白了，就是看它到底健不健康，能不能扛得住市场的毒打。
核心观点：绩效评估不是看赚了多少，而是看赚得是否「稳」。一个年化50%但回撤40%的策略，在我眼里不如年化20%回撤5%的策略。为什么？因为实盘中你根本拿不住前者。
8.1 夏普比率：风险调整后的收益
夏普比率，这名字听着高大上，其实逻辑很简单——每承担一单位风险，能换来多少超额收益。
公式长这样：
夏普比率 = (策略年化收益率 - 无风险利率) / 策略年化波动率举个例子：
- 策略A：年化收益20%，年化波动率10%
- 策略B：年化收益25%，年化波动率20%
假设无风险利率3%。算一下：
- 策略A夏普 = (20% - 3%) / 10% = 1.7
- 策略B夏普 = (25% - 3%) / 20% = 1.1
你看，策略A虽然收益低，但夏普更高。这意味着它「性价比」更好。
我的经验：我个人习惯把夏普比率分成三档：
- 夏普 < 1.0：一般般，需要再优化
- 夏普 1.0 - 2.0：不错，可以考虑实盘
- 夏普 > 2.0：非常优秀，但要注意过拟合
我在项目中遇到过夏普3.0以上的策略，结果一上实盘就崩了。为什么？因为回测数据太干净，市场稍微一波动就扛不住。
注意：夏普比率有个坑——它对正态分布假设很敏感。如果策略收益分布有厚尾（比如极端亏损多），夏普比率会失真。这时候我建议用索提诺比率，它只考虑下行波动。
8.2 最大回撤：你能承受多少亏损？
最大回撤，就是策略从最高点到最低点的最大跌幅。
举个例子：
- 账户从100万涨到150万，然后跌到110万，再涨到160万
- 最大回撤 = (150 - 110) / 150 = 26.7%
为什么这个指标重要？因为回撤决定了你能不能拿住策略。
避坑指南：我曾经见过一个策略，年化收益40%，但最大回撤35%。客户实盘跑了3个月，回撤到20%的时候就受不了，直接清仓了。结果后面策略反弹了50%，他完美错过。
所以，评估回撤时一定要问自己：这个回撤，我能接受吗？
我个人习惯用卡玛比率来综合评估：
卡玛比率 = 年化收益率 / 最大回撤卡玛比率 > 2.0 算不错，> 3.0 算优秀。
8.3 胜率与盈亏比：交易的两面
很多人喜欢看胜率，觉得胜率越高越好。其实不然。
胜率是「赚钱的交易次数占比」，盈亏比是「平均盈利 / 平均亏损」。
举个例子：
| 策略 | 胜率 | 盈亏比 | 期望收益 |
|---|---|---|---|
| 策略A | 80% | 0.5 | 0.8×0.5 - 0.2×1 = 0.2 |
| 策略B | 40% | 3.0 | 0.4×3 - 0.6×1 = 0.6 |
你看，策略B胜率只有40%，但期望收益是策略A的3倍。这就是为什么趋势跟踪策略往往胜率低但盈亏比高。
我的建议：对于基差交易，我个人更看重盈亏比。因为基差回归是大概率事件，但回归的时间不确定。如果你能忍受低胜率，抓住几次大行情，收益就很可观。
这里有个公式可以算盈亏平衡胜率：
盈亏平衡胜率 = 1 / (1 + 盈亏比)比如盈亏比3.0，那胜率只要超过25%就能赚钱。嗯，这个门槛其实不高。
8.4 资金曲线分析：看趋势，更要看细节
资金曲线，就是账户净值随时间变化的曲线。很多人只看最终收益，但我建议你关注几个细节：
- 曲线斜率：斜率越陡，收益越高，但波动也大。斜率平缓，说明策略稳健。
- 回撤形态：是V型反弹还是U型磨底？V型说明策略恢复能力强，U型说明可能有问题。
- 创新高频率：如果策略经常创新高，说明它一直在赚钱。如果长时间不创新高，可能策略失效了。
我个人习惯把资金曲线分成三段：
- 爬坡期：策略稳定盈利，曲线向上
- 震荡期：曲线横盘，不赚不亏
- 回撤期：曲线向下，需要警惕
如果回撤期超过3个月，我会重新审视策略逻辑。我在项目中遇到过回撤期长达半年的情况，后来发现是市场结构变了，基差规律失效了。
8.5 综合评估框架：一张图看懂
下面这张图是我自己总结的绩效评估框架，你可以照着这个思路来：
8.6 实战中的常见误区
最后，我总结几个实战中容易踩的坑：
- 只看夏普不看回撤：夏普高不代表回撤小。我见过夏普2.5但回撤40%的策略，实盘根本没法用。
- 过度优化胜率：为了追求高胜率，把止损设得很小，结果盈亏比极低。这种策略一遇到震荡就完蛋。
- 忽略资金曲线的尾部风险：有些策略平时表现很好，但遇到极端行情（比如2020年3月）会爆亏。一定要做压力测试。
- 用全样本数据评估：我建议把数据分成训练集和测试集，用测试集来评估。否则容易过拟合。
我的习惯：每次评估策略，我都会问自己三个问题：
- 这个策略的逻辑我能讲清楚吗？
- 回测中的收益是来自逻辑还是运气？
- 如果实盘遇到最大回撤，我能坚持住吗？
三个问题都回答「是」，再考虑上实盘。
好了，这一讲的内容就到这里。绩效评估不是一锤子买卖，而是一个持续的过程。策略上线后，也要定期复盘，看看指标有没有变化。
公众号:蓝海资料掘金营，微信deep3321