如何通过3行Python代码计算最大回撤

作者:陈可桐 修改:邢不行

如何评价一个量化策略的好坏?

简单的来讲,我首先是看年化收益。收益太差,基本就不用看了。

在收益不错的情况下,其次我就看最大回撤

最大回撤属于风险指标,判断一个策略风险的高低。很多人评价风险,会用一些比较学术的指标,例如方差、波动率等。但我觉着这些都太不直观,比如算出来一个方差,0.035,根本就不能直观的知道是啥意思。

本文通过逐行讲解python代码的方式,详细解释什么是最大回撤,以及具体计算方法,完整的源代码见文末。大家可以看到计算的过程其实非常简单,主要部分也就三行代码。

另外,除了年化收益,最大回撤之外,我第三看中的指标是什么呢?这个大家可以在评论中回复,感兴趣的人多的话,下次写篇文章讲讲。

最大回撤是评价策略风险的指标,它的含义是:在某一个高点之后,资金曲线下挫最大的幅度。也就是这个策略在最坏的情况下,会亏掉多少钱。

例如,在①的位置开多头仓位,一直没有平仓。那么在持仓期间,就发生了两次比较大的回撤(图中的黄色箭头),以及若干次小的回撤(图中的红色箭头)。

而最大回撤,就是要找到这些回撤中使资金损失最大的一次。并且用百分比的方式量化地表示出来

最大回撤的概念虽然直观,但到底应该怎么计算呢?比如下面这根资金曲线:

在这根资金曲线上,从 ① 到 ②,从 ③ 到 ④,都发生了比较大的回撤。从百分比上来讲,究竟哪次最大?我们用代码和数据说话。

首先,我们读取策略的已经计算完成的资金曲线,也就是回测之后得到的结果。原始数据是这样的:

实际上,要计算最大回撤,我们需要的只有candle_begin_time(k线开始时间)和equity_curve(资金曲线的值)这两列。选出数据中我们需要的部分,保存在 equity 这个 dataframe里。

然后,我们用expanding()计算资金曲线的滚动最高值(max to here)

什么叫滚动最高值呢:

图中的红线就是滚动最高值。表示截至某个时间点,资金曲线的最大值

接下来,我们计算回撤,也就是资金曲线在滚动最高点之后,下挫的百分比:

这里计算的 dd2here 是:回撤完之后,资金剩余的百分比。在图中直观地看:

浅色的线就是我们计算得到的 dd2here 。比较明显的是,在图中的※位置,回撤结束后只剩下约 20%的资金,几乎可以说是整根资金曲线中发生的最大的回撤。

下一步,我们只要找出 dd2here 这列数据中的最小值,就可以知道最大回撤了。

根据 dd2here 对 equity 进行从小到大的排序,那么第一行就包含了 dd2here 的最小值。

取第一行的candle_begin_time 和 dd2here,它们就是最大回撤结束的时间,以及回撤结束时资金剩余的百分比。我们把这两个值分别赋给 end_date 和 remains,那么很明显,最大回撤就是 1 - remains

最后,我们需要找到最大回撤开始的时间,也就是在最大回撤结束之前,最后一次滚动最高值出现的点,也就是资金曲线的最高点。在图中表示为这个点:

找到这个点的代码如下:

首先选出资金曲线在最大回撤结束之前的部分。

然后,将这部分资金曲线的 dataframe 根据资金的值 (equity_curve) 进行从大到小排序,那么第一行就包含了资金曲线的最大值,它的时间也就是我们想要找的最大回撤开始时间。

最后,我们将最大回撤和这两个时间点打印出来:

确实是产生了高达79.34%的回撤。

最大回撤的计算就完成了。

下面是完整的最大回撤计算代码:

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181227G1GI9F00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券