第27章绩效归因分析

第27章绩效归因分析：收益来源分解、夏普比率、最大回撤

各位，波动率曲面套利策略跑起来了，回测曲线也挺漂亮。但问题来了——这钱到底是怎么赚的？

我见过太多团队，策略赚钱时兴高采烈，一亏钱就抓瞎。说白了，就是没做绩效归因。今天咱们就把这块硬骨头啃下来。

27.1 收益来源分解：拆开黑箱看本质

我个人习惯，做任何策略都要先问三个问题：

赚的是方向的钱，还是波动的钱？
是曲面形态的钱，还是时间价值的钱？
有没有隐含的尾部风险在替你买单？

对于跨品种套利，收益来源可以拆成四块：

收益来源	驱动因素	典型特征
曲面斜率收益	不同期限隐含波动率差异	均值回复，周期性强
曲面曲度收益	虚值/实值期权定价偏差	尾部事件时爆发
跨品种价差收益	相关性结构变化	趋势性，但回撤大
时间衰减收益	Theta 收割	稳定但容量有限

具体怎么拆？ 我一般用回归法：

# 收益分解示例（Python伪代码）
import statsmodels.api as sm

# 假设我们有每日收益序列
daily_returns = strategy.pnl.diff()

# 构造因子暴露矩阵
factors = pd.DataFrame({
    'slope_delta': slope_changes,      # 曲面斜率变化
    'curvature_delta': curv_changes,   # 曲度变化
    'spread_delta': spread_changes,    # 品种价差变化
    'theta_decay': theta_values        # 时间衰减
})

# 多元线性回归
model = sm.OLS(daily_returns, sm.add_constant(factors))
results = model.fit()

print(results.summary())
# 看每个因子的系数和显著性

  关键点： 如果回归的 R² 低于 0.7，说明你的收益还有大量无法解释的部分。这时候要小心——可能是运气，也可能是你没发现的隐性风险。

27.2 夏普比率：别被数字骗了

夏普比率，量化圈最常用的指标。但说实话，很多人用错了。

标准公式大家都懂：

Sharpe = (Rp - Rf) / σp

但这里有几个坑，我一个个说：

计算频率问题：日频夏普和年化夏普差很多。我习惯用日频数据算，再年化。年化因子 = sqrt(252)。
收益率分布假设：夏普比率假设收益是正态分布。但期权策略的收益分布，你想想看——有偏、厚尾，夏普比率会失真。
无风险利率选择：用国债收益率？还是用 Libor？我个人建议用隔夜拆借利率，更贴近实际资金成本。

避坑指南： 我曾经见过一个策略，夏普比率高达 3.5，但最大回撤只有 2%。后来一查，是因为用了月度数据计算，而且没考虑交易成本。换成日频数据后，夏普直接掉到 1.2。所以——永远用最高频的数据算夏普。

另外，我建议同时看 Sortino 比率（只考虑下行波动）和 Calmar 比率（收益/最大回撤）。这三个指标放一起，才能看清策略的真实风险收益特征。

27.3 最大回撤：最诚实的风险指标

最大回撤，说白了就是你最多亏过多少钱。这个数字很残酷，但很诚实。

计算方式不复杂：

# 最大回撤计算
def max_drawdown(equity_curve):
    rolling_max = equity_curve.cummax()
    drawdown = (equity_curve - rolling_max) / rolling_max
    return drawdown.min()

# 回撤持续时间
def drawdown_duration(equity_curve):
    # 记录从峰值到恢复的天数
    peak = equity_curve[0]
    duration = 0
    max_duration = 0
    for val in equity_curve:
        if val >= peak:
            peak = val
            duration = 0
        else:
            duration += 1
            max_duration = max(max_duration, duration)
    return max_duration

但光看最大回撤还不够。我一般会看三个维度：

回撤深度：最大亏损比例
回撤时长：从峰值到恢复需要多久
回撤频率：一年发生几次超过 5% 的回撤

举个例子，两个策略：

策略 A：最大回撤 15%，但 3 天就恢复
策略 B：最大回撤 10%，但需要 6 个月恢复

你选哪个？我个人选 A。因为回撤时长直接影响资金利用率，也影响你的心理承受能力。

27.4 知识体系框架

下面这张图，是我做绩效归因的核心逻辑：

27.5 实战中的几个要点

最后，分享几个我在实战中总结的经验：

我的习惯： 每周做一次绩效归因报告。不是等亏钱了才去查，而是持续监控。如果连续两周收益来源从「曲面斜率」变成「时间衰减」，说明市场结构变了，策略可能需要调整。

关于夏普比率的陷阱——我记得有一次，一个策略夏普 2.8，但仔细一看，是因为它在大部分时间空仓，只有少数几天有收益。这种策略的夏普没有意义。我建议同时看交易频率和持仓时间。

关于最大回撤的认知——嗯，这里要注意：最大回撤是历史数据，不代表未来。但如果你发现策略的回撤集中在某个特定市场环境下（比如波动率飙升时），那就要考虑加对冲了。

好了，绩效归因这块就聊到这儿。记住一句话：不能解释的收益，就是隐藏的风险。

📚 课程目录