第四章：核心指标设计
做市策略好不好，不能光看赚了多少。
我见过太多人，回测曲线漂亮得不行，一上实盘就爆仓。为什么？因为只看收益率，没看风险。
这一章，我们来聊聊真正衡量策略质量的五个核心指标。我个人习惯把它们叫做「做市策略的五项体检」。每一项都有它的意义，缺一不可。
核心观点： 一个优秀的做市策略，不是赚得最多的，而是活得最久的。
4.1 最大回撤（Max Drawdown）
最大回撤，说白了就是你从最高点跌到最低点，亏了多少。
公式很简单：
Max Drawdown = (Peak Value - Trough Value) / Peak Value举个例子：你的账户净值从100万涨到200万，然后跌到120万。那最大回撤就是 (200-120)/200 = 40%。
我在项目中遇到过一件事。有个团队做BTC做市，回测最大回撤只有8%，他们觉得稳了。结果上实盘第一天，遇到交易所插针，回撤直接干到25%。为什么？因为回测用的是1分钟K线，而插针发生在毫秒级别。
避坑指南： 我曾经吃过这个亏——回测时一定要用tick级数据，至少也要用逐笔成交数据。否则最大回撤会被严重低估。
做市策略的最大回撤，我建议控制在10%以内。超过20%，基本就属于高风险策略了。
4.2 夏普比率（Sharpe Ratio）
夏普比率衡量的是「每承担一单位风险，能获得多少超额收益」。
公式：
Sharpe Ratio = (Rp - Rf) / σp其中：
- Rp：策略年化收益率
- Rf：无风险利率（通常用国债收益率）
- σp：策略收益率的年化标准差
你想想看，如果一个策略年化收益20%，但波动率也是20%，那夏普就是1。另一个策略年化收益15%，波动率只有5%，夏普就是3。哪个更好？显然是后者。
我个人习惯，做市策略的夏普比率至少要大于1.5。低于1的，基本不值得上实盘。
小技巧： 计算夏普比率时，记得用日收益率而不是总收益率。我见过有人用总收益率算，结果夏普高得离谱，一看就是错的。
4.3 Calmar比率
Calmar比率是夏普比率的「兄弟指标」。它衡量的是「每承担一单位最大回撤，能获得多少年化收益」。
公式：
Calmar Ratio = 年化收益率 / 最大回撤举个例子：年化收益30%，最大回撤10%，Calmar就是3。
这个指标我特别喜欢。为什么？因为它更直观。夏普比率用的是标准差，很多人不理解标准差到底代表什么风险。但最大回撤，每个人都看得懂。
做市策略的Calmar比率，我建议至少大于2。小于1的，说明你的策略赚的钱还不够填一次坑。
重点： Calmar比率比夏普比率更适合做市策略。因为做市策略的收益分布往往不是正态的，夏普比率会失真。
4.4 收益风险比（Profit Risk Ratio）
收益风险比，也叫盈亏比。它衡量的是「平均每笔盈利 / 平均每笔亏损」。
公式：
收益风险比 = 平均盈利金额 / 平均亏损金额举个例子：你的策略平均每笔赚500块，平均每笔亏200块，那收益风险比就是2.5。
做市策略和趋势策略不一样。趋势策略追求高盈亏比，比如赚一次够亏三次。但做市策略不同，它追求的是高胜率、低盈亏比。
我做过一个统计：
| 策略类型 | 典型胜率 | 典型盈亏比 |
|---|---|---|
| 趋势跟踪 | 30%-40% | 3:1 到 5:1 |
| 做市策略 | 60%-80% | 1:1 到 2:1 |
做市策略的收益风险比，我个人觉得1.5以上就算合格。低于1.2的，说明你的策略在「赚小钱亏大钱」，很危险。
注意： 我曾经见过一个策略，胜率90%，但盈亏比只有0.5。结果呢？亏一次就把前面九次赚的全吐回去了。这就是典型的「赚芝麻亏西瓜」。
4.5 流动性覆盖率（LCR）
这个指标很多人会忽略，但我觉得它才是做市策略的「生命线」。
流动性覆盖率，衡量的是「在极端行情下，你的资金能否覆盖潜在的流动性需求」。
公式：
LCR = 高流动性资产 / 未来30天净现金流出在加密货币做市里，我把它简化成：
LCR = (可用资金 + 可快速变现的资产) / (挂单占用保证金 + 潜在滑点损失)为什么要关注这个？
你想想看，极端行情来了，价格瞬间暴跌。你的买单全部成交，但卖单一个都没成交。这时候你的账户里全是币，没有U。你想补保证金？没钱。想对冲？没钱。只能眼睁睁看着爆仓。
我的经验： 做市策略的LCR至少要大于1.5。小于1的，说明你的资金链随时可能断裂。
具体怎么算？我给你一个例子：
# 计算流动性覆盖率
available_cash = 100000 # 可用U
quick_assets = 50000 # 可快速变现的资产（如BTC）
margin_used = 80000 # 挂单占用保证金
slippage_loss = 20000 # 极端行情下的潜在滑点损失
LCR = (available_cash + quick_assets) / (margin_used + slippage_loss)
print(f"流动性覆盖率: {LCR:.2f}")如果LCR小于1，我建议你立刻减仓。别犹豫，命比收益重要。
4.6 五个指标的关系
这五个指标不是孤立的。它们共同构成了一个完整的风险评估体系。
我画了一张图，帮你理清它们的关系：
从这张图你能看到：
- 最大回撤是底线，决定了你能承受多大的亏损
- 夏普比率和Calmar比率从不同角度衡量风险调整后的收益
- 收益风险比关注单笔交易的质量
- 流动性覆盖率是最后的防线，确保你在极端行情下还能活着
我的建议： 每次优化策略，至少要让四个指标同时改善。如果一个指标变好了，另一个变差了，那就要警惕。我曾经为了降低最大回撤，把仓位砍了一半，结果夏普比率也掉了一半。后来才发现，问题出在入场时机上，不是仓位管理。
4.7 实战中的指标应用
说了这么多理论，来点实际的。
我一般会这样用这五个指标：
- 初筛阶段： 先看最大回撤和LCR。这两个不过关，直接pass。
- 对比阶段： 用夏普比率和Calmar比率来排名。哪个高选哪个。
- 优化阶段： 用收益风险比来调整参数。比如盈亏比太低，就考虑提高止盈点。
举个例子：
# 五个指标的综合评分
def strategy_score(sharpe, calmar, max_dd, profit_risk, lcr):
# 每个指标满分10分
score_sharpe = min(sharpe / 2 * 10, 10) # 夏普2.0得满分
score_calmar = min(calmar / 3 * 10, 10) # Calmar 3.0得满分
score_dd = max(10 - max_dd * 10, 0) # 回撤10%以内满分
score_pr = min(profit_risk / 2 * 10, 10) # 盈亏比2.0得满分
score_lcr = min(lcr / 1.5 * 10, 10) # LCR 1.5得满分
total = (score_sharpe + score_calmar + score_dd + score_pr + score_lcr) / 5
return round(total, 2)
# 测试
print(f"策略A评分: {strategy_score(1.8, 2.5, 0.08, 1.6, 2.0)}")
print(f"策略B评分: {strategy_score(0.9, 1.2, 0.25, 1.1, 0.8)}")输出结果：
策略A评分: 8.12
策略B评分: 4.12你看，策略A明显优于策略B。这个评分系统虽然简单，但能帮你快速筛选出靠谱的策略。
最后提醒： 指标只是工具，不是真理。我见过夏普比率3.0的策略，实盘一个月就爆仓了。为什么？因为回测数据太短，没覆盖到极端行情。所以，永远不要只看指标，要结合市场环境、资金规模、交易频率来综合判断。
嗯，这一章的内容就到这里。五个指标，每一个都值得你花时间去理解、去实践。下次优化策略的时候，记得把这五个指标都跑一遍。