一、量化策略评价概述

做量化这些年,我见过太多人一上来就问:「这个策略年化收益多少?」好像收益高就是好策略。嗯,这其实是个大坑。今天咱们就聊聊绩效评价这件事——它到底在评什么,怎么评,以及最容易踩哪些坑。

1.1 绩效评价的意义

说白了,绩效评价就是给你的策略做「体检」。你想想看,一个策略跑出来收益不错,但你知道它背后承担了多少风险吗?你知道它是不是刚好撞上了某段行情?

我个人习惯把绩效评价比作「开车看仪表盘」——

  • 收益是速度表,告诉你跑多快
  • 风险是油量表,告诉你还能撑多久
  • 稳定性是方向盘,告诉你是不是在走直线

我在项目中遇到过一件事:有个策略回测年化30%,看着挺美。结果一算最大回撤,好家伙,45%。这你敢实盘?所以啊,评价的意义就在于——别被表面的数字骗了

核心观点:绩效评价不是「看收益」,而是「看收益是怎么来的」。

1.2 评价框架

我习惯把评价框架分成四个维度。这四个维度缺一不可,就像汽车的四个轮子——少一个都跑不稳。

维度 核心问题 常用指标
收益性 赚了多少? 年化收益率、累计收益率
风险性 亏了多少? 最大回撤、波动率、VaR
稳定性 赚得稳不稳? 夏普比率、卡玛比率、胜率
容量性 能装多少钱? 资金容量、滑点敏感度

这里我想多说一句:很多人只看前两个维度,忽略了稳定性和容量性。我曾经见过一个高频策略,夏普比率高得吓人,但资金容量只有200万——超过这个数,滑点直接吃掉所有利润。你说这策略算好还是不好?

我的建议:评价一个策略,至少同时看三个维度。只看收益和风险,就像只看体重和身高——你没法判断一个人是不是真的健康。

1.3 评价流程

评价流程这件事,我踩过不少坑。最早我做评价就是「跑个回测→看几个指标→下结论」。后来发现,这流程太糙了。

现在我一般走五步:

  1. 数据准备——检查数据质量,有没有幸存者偏差、前视偏差
  2. 回测执行——跑一遍策略,记录每笔交易的细节
  3. 指标计算——算收益、风险、稳定性等核心指标
  4. 压力测试——换不同市场环境,看策略表现
  5. 归因分析——搞清楚收益到底来自哪里

你可能会问:为什么要把「归因分析」放在最后?

因为啊,很多人一上来就做归因,结果发现策略收益来自某个偶然因素,然后就放弃了——但那个因素可能只是噪音。我建议先看整体表现,再拆解细节。顺序很重要。

注意:评价流程不是线性的。很多时候你需要来回迭代。比如压力测试发现问题,你可能要回去重新检查数据。别怕麻烦,这一步省不了。

1.4 常见误区

这部分我特别想多说几句。做量化这些年,我见过的坑太多了。挑几个最常见的说说:

  • 误区一:只看收益,不看风险
    我曾经有个同事,拿着一个年化50%的策略到处炫耀。结果一查,最大回撤60%。这哪是策略,这是赌博。
  • 误区二:过度优化
    说白了就是「曲线拟合」。你让策略完美拟合历史数据,但一到实盘就崩。我见过最夸张的——有人把参数优化到小数点后四位,结果实盘第一周就亏了20%。
  • 误区三:忽略交易成本
    很多人回测时把滑点和手续费设得很低。嗯,实盘的时候就知道疼了。我建议至少按「双边千分之二」来算,保守一点没坏处。
  • 误区四:样本内表现当真理
    回测表现好,不代表实盘好。这个道理大家都懂,但真到做决策的时候,很多人就忘了。我自己的习惯是:样本内表现再好,也要留30%的数据做样本外测试。

避坑指南:我曾经犯过一个错误——把一个回测表现很好的策略直接上了实盘,结果连续三个月跑输基准。后来一查,原来是回测时用了未来数据。从那以后,我每次回测都会做「数据时间戳检查」,确保没有前视偏差。

知识体系总览

下面这张图是我自己整理的绩效评价知识框架。你可以把它当作「地图」——每次做评价时,对照着看看自己走到哪一步了。

量化策略绩效评价知识框架 绩效评价 收益性 风险性 稳定性 容量性 评价流程:数据准备 → 回测执行 → 指标计算 → 压力测试 → 归因分析 常见误区:只看收益 | 过度优化 | 忽略成本 | 样本内当真理 四个维度 + 五步流程 + 四大误区 = 完整的绩效评价体系

这张图其实就概括了本章的核心内容。你把它存下来,以后做评价时对照着看,基本不会漏掉什么。

一个小技巧:我每次做策略评价前,都会先看一眼这张图。问自己三个问题:维度全不全?流程走完没?有没有踩坑?三问之后,基本就稳了。


好了,第一章就聊到这儿。绩效评价这件事,说难不难,说简单也不简单。关键是要有框架、有流程、有避坑意识。后面我们会一步步深入每个维度的具体指标和计算方法——到时候再细聊。