第二十六节：基差交易中的资金曲线与绩效评估

做基差交易，光会开仓平仓可不够。

你得知道自己的策略到底行不行。

怎么判断？看资金曲线，做绩效评估。

这一节，我就跟你聊聊夏普比率、最大回撤、胜率、盈亏比这几个核心指标。嗯，都是实战中绕不开的东西。

一、资金曲线：你的交易成绩单

资金曲线，说白了就是你的账户净值随时间变化的折线图。

我每天收盘后都会看一眼。不是看赚了多少，而是看曲线的形态。

一条健康的资金曲线，应该是稳步向上的，回撤小，波动平缓。

如果曲线像过山车一样大起大落，那说明你的风控可能出了问题。

我个人习惯，每周五收盘后把资金曲线截图保存。时间久了，你就能看出自己的交易节奏。

二、夏普比率：收益与风险的平衡木

夏普比率，衡量的是每承担一单位风险，能换来多少超额收益。

公式很简单：

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：

你的基差策略年化收益20%，无风险利率3%，年化波动率10%。

那夏普比率就是 (20% - 3%) / 10% = 1.7。

但要注意，夏普比率有个坑——它假设收益是正态分布的。而基差交易的收益分布，往往有肥尾特征。极端行情一来，夏普比率会瞬间变脸。

三、最大回撤：你的心理承受底线

最大回撤，就是从资金曲线最高点，跌到最低点的最大幅度。

这个指标，直接决定了你能不能拿住单子。

最大回撤的接受度，因人而异。我个人建议：

• 保守型：最大回撤控制在10%以内
• 稳健型：10%-20%
• 激进型：20%-30%

超过30%，基本就是赌了。基差交易不该这么玩。

四、胜率与盈亏比：一对欢喜冤家

胜率，就是赚钱的交易次数占总交易次数的比例。

盈亏比，是平均每笔盈利除以平均每笔亏损。

这两个指标，天生就是矛盾的。

胜率高，盈亏比往往低。比如做高频的，胜率能到70%，但盈亏比可能只有1.2。

胜率低，盈亏比往往高。比如做趋势跟踪的，胜率30%，盈亏比能到3以上。

基差交易呢？我自己的经验是：

你看，没有绝对的好坏。关键看你的交易风格和资金体量。

五、把这些指标串起来看

单独看一个指标，容易出问题。

我见过有人炫耀胜率80%，结果一看盈亏比0.5，亏得底裤都没了。

也有人吹夏普比率3.0，结果最大回撤40%，根本拿不住。

正确的做法是：

1. 先看最大回撤，能不能接受
2. 再看夏普比率，风险调整后收益好不好
3. 最后看胜率和盈亏比，理解策略的盈利逻辑

这四个指标，就像汽车的四个轮子。缺一个，车就跑不稳。

六、知识体系结构图

下面这张图，把基差交易的绩效评估逻辑串起来了。你一看就明白。

七、实战中的几个小技巧

最后，分享几个我自己的习惯：

• 滚动评估：不要只看整个周期的数据。我习惯用最近60个交易日的滚动数据来算夏普比率和最大回撤。这样能及时发现策略退化。
• 分品种评估：如果你同时做多个品种的基差交易，一定要分开评估。螺纹钢和豆粕的资金曲线，波动特征完全不同。
• 记录交易日志：每次亏损，我都写一段反思。时间久了，你会发现自己的亏损模式。比如我，每次在基差回归到均值附近时加仓，往往就是回撤的开始。

import numpy as np
# 假设 equity 是每日净值数组
returns = np.diff(equity) / equity[:-1]
sharpe = np.mean(returns) / np.std(returns) * np.sqrt(252)
max_dd = np.min(equity / np.maximum.accumulate(equity) - 1)
win_rate = np.sum(returns > 0) / len(returns)
profit_loss_ratio = np.mean(returns[returns>0]) / abs(np.mean(returns[returns<0]))

嗯，这一节就聊到这儿。

记住，绩效评估不是为了炫耀，而是为了活下去。

你的资金曲线，就是你的交易人生。