

> 策略跑完了，控制台吐出一串收益率数字，然后呢？老板/团队问"这策略到底行不行"，你总不能甩一张 Excel 表。这一篇把回测结果画成标准三件套：净值曲线看强弱、回撤面积图看最惨的时刻、收益分布直方图看盈亏结构——三张图放一页，报告的"图"就齐了。

## 一、回测数字为什么要画出来

`总收益 +12%、最大回撤 -8%、夏普 1.3`——数字是结论，但图表是证据。一份能服人的回测报告至少要回答三个问题：

1. **跑赢基准了吗？** 策略净值曲线 vs 买入持有基准，画在同一张图上，强弱一目了然；
2. **最难熬的时刻有多惨？** 净值从历史高点跌下来多少、持续多久——动态回撤面积图；
3. **钱是怎么赚/亏的？** 靠少数大涨日还是稳定小赢？日收益率直方图一眼看穿盈亏结构。

**本文你将得到：**

1. 双均线策略回测的完整代码（含信号次日生效、换仓成本两个关键细节）；
2. 累计净值曲线 + 动态回撤面积图 + 收益分布直方图的绘制方法；
3. 年化收益、最大回撤、夏普比率的计算与摘要面板排版；
4. 一张 2×2 布局、可直接截图进汇报的绩效总览图。

## 二、准备环境

```bash
pip install mairui matplotlib pandas numpy
```

行情数据通过 API 拉取日线 K 线，证书换成你自己的即可拿到真实行情。

## 三、完整代码（已实测跑通）

```python
from mairui import Client
import random
import numpy as np
import pandas as pd
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

LICENCE = "LICENCE-66D8-9F96-0C7F0FBCD073"  # 演示证书，请换成你自己的正式证书
SEED = 20260917


def perturb(bars):
    # 演示证书返回固定样例数据；做确定性 ±5% 扰动模拟行情起伏。
    # 换成正式证书后删掉本函数调用即可，其余逻辑零改动。
    rng = random.Random(SEED)
    out = []
    for b in bars:
        k = 1.0 + (rng.random() - 0.5) * 0.10
        nb = dict(b)
        for f in ("o", "c", "h", "l"):
            if f in nb and nb[f] is not None:
                nb[f] = round(float(nb[f]) * k, 2)
        out.append(nb)
    return out


def backtest(close: pd.Series):
    """MA5/MA20 双均线择时：金叉持有、死叉空仓，信号次日生效。"""
    ma5, ma20 = close.rolling(5).mean(), close.rolling(20).mean()
    sig = (ma5 > ma20).astype(int).shift(1).fillna(0)        # 次日生效，避免未来函数
    ret = close.pct_change().fillna(0.0)
    strat_ret = ret * sig - 0.001 * sig.diff().abs().fillna(0)  # 换仓收 0.1% 成本
    nav = (1 + strat_ret).cumprod()      # 策略净值
    bench = (1 + ret).cumprod()          # 基准：买入持有
    return nav, bench, strat_ret


def main(out="backtest_report.png"):
    bars = Client(LICENCE).stock_history(code="600519", st="", et="", period="d", dividend="f")
    if not bars:
        raise RuntimeError("未获取到数据，请检查证书是否有效")
    bars = perturb(bars)
    close = pd.Series([float(b["c"]) for b in bars],
                      index=[str(b.get("t", "")) for b in bars])
    nav, bench, strat_ret = backtest(close)

    dd = nav / nav.cummax() - 1.0                      # 动态回撤
    total = nav.iloc[-1] - 1
    years = len(nav) / 244
    ann = (1 + total) ** (1 / years) - 1
    mdd = dd.min()
    sharpe = strat_ret.mean() / strat_ret.std() * np.sqrt(244)
    bench_total = bench.iloc[-1] - 1

    print(f"交易日: {len(nav)} 天 | 区间: {close.index[0]} ~ {close.index[-1]}")
    print(f"策略净值: 1.0000 -> {nav.iloc[-1]:.4f} ({total:+.2%}) | 基准: {bench_total:+.2%}")
    print(f"年化收益: {ann:+.2%} | 最大回撤: {mdd:.2%} | 夏普: {sharpe:.2f}")
    print(f"回撤最深日: {dd.idxmin()}")

    fig, axes = plt.subplots(2, 2, figsize=(13, 8))
    ax1, ax2, ax3, ax4 = axes[0, 0], axes[0, 1], axes[1, 0], axes[1, 1]
    x = range(len(nav))
    # 图1：累计净值（策略 vs 基准）
    ax1.plot(x, bench.values, color="#999999", linewidth=1.2, label="基准（买入持有）")
    ax1.plot(x, nav.values, color="#d43f3a", linewidth=1.6, label="双均线策略")
    ax1.set_title("累计净值曲线", fontsize=13)
    ax1.set_xlabel("交易日序号"); ax1.set_ylabel("净值（起点=1）")
    ax1.legend(fontsize=10); ax1.grid(alpha=0.25)
    # 图2：动态回撤面积图
    ax2.fill_between(x, dd.values * 100, 0, color="#3a9d5d", alpha=0.45)
    ax2.plot(x, dd.values * 100, color="#2c7a45", linewidth=1.0)
    ax2.set_title("动态回撤面积图", fontsize=13)
    ax2.set_xlabel("交易日序号"); ax2.set_ylabel("回撤（%）")
    ax2.grid(alpha=0.25)
    # 图3：日收益率直方图（正收益红、负收益绿）
    rets = strat_ret.values * 100
    ax3.hist(rets[rets >= 0], bins=20, color="#d43f3a", alpha=0.75, label="正收益")
    ax3.hist(rets[rets < 0], bins=20, color="#3a9d5d", alpha=0.75, label="负收益")
    ax3.axvline(0, color="#555", linewidth=0.8)
    ax3.set_title("策略日收益率分布", fontsize=13)
    ax3.set_xlabel("日收益率（%）"); ax3.set_ylabel("天数")
    ax3.legend(fontsize=10); ax3.grid(alpha=0.25)
    # 图4：绩效摘要文字面板
    ax4.axis("off")
    ax4.text(0.05, 0.92, "回测绩效摘要", fontsize=14, fontweight="bold", va="top")
    ax4.text(0.05, 0.75, "\n".join([
        f"区间交易日：{len(nav)} 天",
        f"策略总收益：{total:+.2%}",
        f"基准总收益：{bench_total:+.2%}",
        f"年化收益：{ann:+.2%}",
        f"最大回撤：{mdd:.2%}",
        f"夏普比率：{sharpe:.2f}",
        f"回撤最深日：{dd.idxmin()}",
    ]), fontsize=12, va="top", linespacing=1.9)
    plt.suptitle("双均线策略回测绩效报告", fontsize=15)
    plt.tight_layout(rect=[0, 0, 1, 0.96])
    plt.savefig(out, dpi=120)
    plt.close(fig)
    print(f"图表已保存: {out}")


if __name__ == "__main__":
    main()
```

## 四、真实运行结果

在 Python 3.9 环境实测运行，控制台输出：

```text
交易日: 50 天 | 区间: 2025-09-15 ~ 2025-12-01
策略净值: 1.0000 -> 0.7982 (-20.18%) | 基准: -0.89%
年化收益: -66.71% | 最大回撤: -23.46% | 夏普: -2.02
回撤最深日: 2025-11-21
图表已保存: backtest_report.png
```

生成的 `backtest_report.png` 是一张 2×2 总览图：左上净值曲线里策略线明显弱于基准线；右上回撤面积图显示最深回撤 -23.46%，发生在 2025-11-21；左下收益直方图左尾（负收益）明显更厚。这张"输得很惨"的报告本身就是最好的教学样本——**回撤图一眼告诉你策略输在哪、输多深**，比 20 行数字直观得多。

> 说明：演示证书返回固定样例数据，代码用确定性 ±5% 扰动模拟行情起伏；扰动是逐条独立的，比真实行情震荡剧烈得多，双均线在噪声中被反复止损、跑输基准，属演示数据的预期行为。换成你自己的正式证书后删掉 `perturb` 调用即为真实行情回测，画图与统计逻辑零改动。

## 五、两个必须懂的实现细节

1. **信号必须次日生效**：`sig = (ma5 > ma20).shift(1)`——用今天的收盘价算出信号，只能指导明天的仓位。忘了 `shift(1)` 就是"未来函数"，回测收益会虚高到毫无意义。
2. **回撤要从净值算，不是从价格算**：`dd = nav / nav.cummax() - 1`。用价格算的是"股价回撤"，用策略净值算的才是"账户回撤"——空仓期策略净值守住不动，两者差别很大。

## 六、小结与下篇预告

净值曲线回答"赢没赢"，回撤面积图回答"最惨多惨"，收益分布直方图回答"钱从哪来"——三张图加一个摘要面板，回测报告的"图"就齐了。

**下篇预告**：《【Python量化数据可视化 #05】板块轮动一眼看穿：涨跌分布与热力图实战》——从单只股票的绩效，放大到整个市场的冷暖地图。

## 免责声明

本文所有代码与数据仅用于技术学习与演示，不构成任何投资建议。股市有风险，投资需谨慎。

## 代码与文档

SDK 与更多语言版本：https://github.com/MaiRuiApi


策略跑完了，控制台吐出一串收益率数字，然后呢？老板/团队问"这策略到底行不行"，你总不能甩一张 Excel 表。这一篇把回测结果画成标准三件套：净值曲线看强弱、回撤面积图看最惨的时刻、收益分布直方图看盈亏结构——三张图放一页，报告的"图"就齐了。

【Python量化数据可视化 #04】回测报告不会写？净值曲线、回撤与收益分布三张图

编程语言

大数据

算法

回测绩效可视化三件套：净值曲线对比基准、回撤面积图定位最大回撤、收益直方图剖析盈亏结构，配套2×2总览图与年化收益/夏普等关键指标，代码实测可跑通，快速生成可汇报的绩效报告。

数据可视化

代码解释

Python

GitHub

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【Python量化数据可视化 #04】回测报告不会写？净值曲线、回撤与收益分布三张图-腾讯云开发者社区-腾讯云

【Python量化数据可视化 #04】回测报告不会写？净值曲线、回撤与收益分布三张图

【Python量化数据可视化 #04】回测报告不会写？净值曲线、回撤与收益分布三张图

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐