你买基金、看策略，是不是常被一串指标砸脸：「年化夏普 2.3」「最大回撤仅 8%」？

这些数字到底是算出来的，还是写出来的？

很多人信了一辈子，却从没自己算过一遍。

，把累计收益、最大回撤、年化波动、夏普、胜率这五个「宣传页常客」亲手算一遍。算完你就明白：指标不神秘，神秘的是「它用哪段数据算的」。

接上篇：SDK 已装、证书已在环境变量 

import os, sys, datetime
sys.path.insert(0, "Demo/_common")
from mairui_helper import load_licence
from mairui import Client
import math
​
​
def get_close_series(mc, code, days=120):
    end = datetime.date.today().strftime("%Y%m%d")
    start = (datetime.date.today() - datetime.timedelta(days=days)).strftime("%Y%m%d")
    rows = mc.stock_history(code, "d", "n", st=start, et=end)  # dividend='n' 不复权
    clean = [r for r in rows if r.get("c") is not None and r.get("t")]
    clean.sort(key=lambda r: r["t"])
    return [r["c"] for r in clean]
​
​
def max_drawdown(close):
    peak = close[0]
    mdd = 0.0
    for p in close:
        if p > peak:
            peak = p
        dd = (p - peak) / peak
        if dd < mdd:
            mdd = dd
    return mdd
​
​
def daily_returns(close):
    return [(close[i] - close[i-1]) / close[i-1] for i in range(1, len(close))]
​
​
def stats(close):
    rets = daily_returns(close)
    n = len(rets)
    cum = (close[-1] - close[0]) / close[0]
    mdd = max_drawdown(close)
    mean = sum(rets) / n
    std = math.sqrt(sum((r-mean)**2 for r in rets) / n)
    ann_vol = std * math.sqrt(252)
    sharpe = (mean * 252) / (std * math.sqrt(252)) if std > 0 else 0.0
    win = sum(1 for r in rets if r > 0) / n
    return cum, mdd, ann_vol, sharpe, win
​
​
mc = Client(load_licence())
close = get_close_series(mc, "000001", days=120)
cum, mdd, ann_vol, sharpe, win = stats(close)
print(f"累计收益率 {cum*100:.2f}%  最大回撤 {mdd*100:.2f}%")
print(f"年化波动率 {ann_vol*100:.2f}%  夏普(简化) {sharpe:.2f}  胜率 {win*100:.2f}%")

本机当天实跑（非虚构），以平安银行(000001) 近 120 日窗口：


=== 000001 近 82 个交易日 ===
首个交易日: 2026-04-08  收盘 11.22
最后交易日: 2026-08-05  收盘 11.25
​
--- 手算收益风险指标 ---
  累计收益率   :   0.27 %
  最大回撤     : -12.76 %  (从山顶到谷底最狠的一刀)
  年化波动率   :  18.04 %
  夏普(简化)   :   0.14
  胜率         :  46.91 %  (38/81 个交易日上涨)

今天你亲手算出了夏普和最大回撤。下次再看到「夏普 2.3」的宣传，你会先问：

，搭一个本地行情库，让历史 K 线随用随取、还能增量更新（也呼应盯盘系列的落库那篇）。

【Python量化实战入门 #02】宣传页的夏普、最大回撤，用麦蕊 K 线自己算一遍

编程语言

算法

后端

用麦蕊行情API手把手计算五大核心指标：累计收益、最大回撤、年化波动率、夏普比率和胜率。基于平安银行120日真实K线数据，展示完整Python代码实现，并揭示指标计算中的数据窗口选择、复权参数等关键陷阱。零基础可复用的量化分析工具箱。

SQLite

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！

【Python量化实战入门 #02】宣传页的夏普、最大回撤，用麦蕊 K 线自己算一遍

【Python量化实战入门 #02】宣传页的夏普、最大回撤，用麦蕊 K 线自己算一遍

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