第二章：最大回撤——量化交易者的“生死线”

聊因子投资，绕不开一个词——最大回撤。

我见过太多人，策略夏普比率做得漂亮，年化收益也亮眼，结果一次回撤就爆仓了。说白了，回撤控制不好，前面赚再多都是白搭。

一、最大回撤的定义与计算

最大回撤，英文叫 Maximum Drawdown，简称 MDD。它衡量的是：从净值最高点，跌到后续最低点，这个跌幅有多大。

公式很简单：

最大回撤 = (峰值 - 谷值) / 峰值 × 100%

举个例子：

你的策略净值从 1.0 涨到 1.5，然后跌到 1.2，接着又涨到 1.8。那么最大回撤就是 (1.5 - 1.2) / 1.5 = 20%。

注意，这里只看历史最高点到最低点的跌幅。中间的小波动不算。

计算上，我习惯用 Python 的 numpy 库来算。代码很简单：

import numpy as np

def max_drawdown(equity_curve):
    peak = np.maximum.accumulate(equity_curve)
    drawdown = (equity_curve - peak) / peak
    return np.min(drawdown)

嗯，这里要注意：np.maximum.accumulate 会记录每个时间点的历史最高净值。然后算当前净值相对于这个峰值的跌幅。最后取最小值，就是最大回撤。

我曾经在项目中遇到过一个问题：用日频数据算回撤，结果忽略了盘中波动。后来改用分钟级数据，才发现真实回撤比日频数据大得多。所以，数据频率很重要。

二、最大回撤的心理影响与资金管理意义

最大回撤不只是数字。它背后是真实的人性考验。

你想想看，当你的账户从 100 万跌到 70 万，你还能淡定地执行策略吗？我见过太多人，回撤 10% 时还能扛，回撤 20% 时开始怀疑人生，回撤 30% 时直接清仓跑路。

为什么会这样？

因为亏损带来的痛苦，是盈利带来快乐的两倍。行为金融学里这叫“损失厌恶”。

从资金管理角度看，最大回撤决定了你的杠杆上限。

举个例子：

如果你的策略最大回撤是 30%，而你用了 3 倍杠杆，那实际回撤就是 90%。市场稍微波动一下，你就爆仓了。

我建议：杠杆倍数 × 最大回撤 ≤ 20%。这样即使遇到极端情况，你还有机会翻身。

策略最大回撤	建议最大杠杆	实际最大回撤
10%	2 倍	20%
20%	1 倍	20%
30%	0.5 倍	15%

你看，回撤越大，能用的杠杆就越低。这是铁律。

三、最大回撤与夏普比率的关系

夏普比率衡量的是“每单位风险获得的超额收益”。而最大回撤，是风险的一种极端度量。

两者之间没有严格的数学关系，但实践中，它们往往呈负相关。

为什么？

因为高夏普比率的策略，通常波动小、回撤也小。而低夏普比率的策略，往往伴随着大起大落。

但注意，这不是绝对的。我见过一些策略，夏普比率 2.0，但最大回撤 40%。为什么？因为它在大部分时间平稳上涨，但偶尔会暴跌一次。这种策略，夏普比率好看，但实际风险很大。

我个人习惯：同时看夏普比率和最大回撤。如果夏普比率高但回撤也大，我会怀疑这个夏普比率是不是“幸存者偏差”导致的。

另外，还有一个指标叫 Calmar 比率，就是年化收益除以最大回撤。这个指标比夏普比率更直观，因为它直接告诉你“每承担 1% 的回撤，能换来多少收益”。

举个例子：

策略 A：年化收益 20%，最大回撤 10%，Calmar 比率 = 2.0

策略 B：年化收益 30%，最大回撤 30%，Calmar 比率 = 1.0

你会选哪个？

我选 A。因为策略 B 的回撤太大，我可能扛不到它赚钱的那一天。

四、知识体系图

下面这张图，概括了本章的核心逻辑：

这张图把最大回撤拆成了四个维度：定义、心理影响、资金管理、以及与夏普比率的关系。每个维度都指向同一个结论——控制回撤，就是控制风险。

好了，这一章就到这里。记住，回撤不是敌人，忽视回撤才是。