19｜正确评估收益、回撤与风险调整表现
袁从德
你好，我是袁从德。
第 18 讲我们已经得到了可重放的回测轨迹，这节课要回答一个更难的问题：这些数字能不能被相信。收益率最高不等于策略最好，所以我们的目标不是让 Codex 宣布“哪个策略最好”，而是让每个判断都能回到样本、计算口径、命令和输出。
一份合格的绩效解释，必须同时说明收益、回撤、风险调整和多次试验后的可信度。所以从这一讲开始，绩效评估不再是“看一个漂亮数字”，而是建立一套证据契约：先确认数据和路径，再解释指标，最后才比较策略。
需要注意的是，本讲使用固定的离线教学样本，复核收益、最大回撤、夏普比率（Sharpe Ratio）、卡玛比率（Calmar Ratio）、概率夏普比率（PSR）与修正夏普比率（DSR），所有结论都只针对离线教学样本，不代表未来收益。
1. 绩效评估的证据契约
绩效评估不能从排行榜开始，而要从证据边界开始。单独看收益率很容易误导：一条策略赚了 30%，但中途经历 60% 最大回撤；另一条策略只赚 5%，但回撤显著更低。前者可能只是高波动或运气，后者可能更适合继续做稳健性检查。
外部资料提供的是口径，而不是装饰性术语。夏普比率强调单位风险上的超额收益；最大回撤强调从历史峰值到后续谷值的样本内路径损失；卡玛比率和 MAR 比率把收益放到最大回撤代价旁边阅读；修正夏普比率提醒多次试验和非正态收益会让漂亮的夏普比率偏乐观；回测过拟合概率（PBO）和组合对称交叉验证（CSCV）则把“挑冠军”本身当成需要审计的风险。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《Codex 与 LLM 量化交易实战课》，新⼈⾸单¥59
《Codex 与 LLM 量化交易实战课》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论