一、这个方法解决什么投资问题

上一篇你把"活跃股"写成了一条规则、并用真实行情跑了出来。下一步自然要问：

这条规则（或者说，任何策略）到底行不行？

这里最容易踩的坑，是只看一个数字——"赚了多少"。但"赚 20%"可能是靠满仓押一只、途中回撤 40% 熬回来的；也可能是稳稳涨上来的。

只看收益，等于只看体检报告里的体重。

判断一个策略好不好，得给它做一套"体检"：赚了多少、最疼的一次亏多少、波动大不大、每冒一份险换回几份收益、赢的频率高不高。这五个角度合起来，才看得清一个策略的真面目。本篇就用麦蕊的真实历史 K 线，把这套体检亲手算一遍。

二、核心思想：五个指标，回答五个不同的问题

：这五个指标是互补的，不是互相替代。收益高但回撤也狠，不代表"好"；夏普高但胜率低，也可能是"偶尔大赚、经常小亏"。看策略，要像看人一样——多维度，不能一票否决也不能一美遮百丑。

三、实操演示：用麦蕊历史 K 线做体检

我们取平安银行(000001) 近 120 个自然日的日 K 线（不复权），手写这五个指标。注意：

这里不调任何"神器"库，全部手算

——因为只有手算过，你才真正懂每个数字怎么来的。

import sys, datetime, math
sys.path.insert(0, "Demo/_common")
from mairui_helper import load_licence
from mairui import Client
​
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 clean
​
def max_drawdown(close):
    peak, mdd = close[0], 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())
rows = get_close_series(mc, "000001", days=120)
cum, mdd, ann_vol, sharpe, win = stats([r["c"] for r in rows])
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 {sharpe:.2f}  胜率 {win*100:.2f}%")

四、结果解读：每个数字在说什么

实跑（2026-08-06）结果，平安银行近 82 个交易日：


累计收益率   :   0.27 %    年化波动率 :  18.04 %
最大回撤     : -12.76 %    夏普(简化) :   0.14
胜率         :  46.91 %  (38/81 个交易日上涨)

：这是一个"不赚不亏、但过程颠簸、性价比一般"的标的/策略画像。如果这是你写的某个策略的历史成绩，体检报告已经告诉你：

别被'没亏'骗了，它的风险调整后收益其实很薄。

本篇你带走了给策略"做体检"的一套基本功：五个指标，各自回答一个投资问题，合起来才客观。下一篇 

为什么你算出来的漂亮成绩，可能从头就是假的

：前视偏差（用了未来才知道的信息）、幸存者偏差（只看了活下来的票）、过拟合（规则是为了拟合历史而写的）。这三条，是新手入门量化最先要立的"防骗护栏"。

，文中涉及的股票代码为示例、不构成任何投资建议，亦不构成收益承诺。历史指标不代表未来表现，投资有风险，决策需谨慎。

上一篇你把"活跃股"写成了一条规则、并用真实行情跑了出来。下一步自然要问：这条规则（或者说，任何策略）到底行不行？

【量化投资从入门到精通 #03】一个策略好不好，看哪几个数？收益 / 回撤 / 夏普在说什么

编程语言

算法

职业发展

量化策略体检五指标详解：累计收益、最大回撤、年化波动率、夏普比率与胜率，手写代码演示平安银行实例。揭示胜率低≠亏钱、夏普0.14性价比薄等关键认知，附复权参数与空行过滤陷阱，为策略客观评估提供实操框架。

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！

【量化投资从入门到精通 #03】一个策略好不好，看哪几个数？收益 / 回撤 / 夏普在说什么

【量化投资从入门到精通 #03】一个策略好不好，看哪几个数？收益 / 回撤 / 夏普在说什么

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