風險報酬與最大回撤分析
不要只問「賺了多少」。先把單筆交易的風報比、歷史報酬的波動、權益曲線的回撤深度與恢復時間放在同一張圖上，才能知道一個結果是靠穩定優勢，還是靠少數極端行情撐起來。
報酬不是完整答案
相同的累積報酬，可能來自平滑上行，也可能來自長時間盤跌後的一次跳升；波動、偏態與回撤路徑會改變持有者真正承受的體驗。
MDD 不是波動度
波動度把每一期的變動放進統計量；最大回撤只關心從過去高點到後續谷底的最深跌幅，因此兩者應並列，而不是互相替代。
一、先拆開「風險報酬比」的兩個世界
「風險報酬」在交易對話中至少有兩種意思。第一種是單筆交易的 R:R（risk-to-reward ratio），用停損距離與目標距離描述一個尚未發生的情境；第二種是策略或投資組合的歷史風險調整績效，例如 Sharpe、Sortino 與 Calmar，用一串已發生的報酬與權益資料回答「過去拿了多少報酬、付出了什麼代價」。
| 問題 | 單筆 R:R | 歷史績效指標 |
|---|---|---|
| 資料型態 | 進場、停損、目標、方向 | 按時間排序的價格或報酬序列 |
| 主要用途 | 進場前檢查損失上限與報酬空間 | 事後描述波動、下行風險與回撤路徑 |
| 核心盲點 | 不包含勝率、滑價、跳空與連續虧損 | 歷史樣本不保證未來，且受頻率與資料清理影響 |
| 適合搭配 | 部位大小、Kelly 敏感度、交易紀錄 | 樣本外測試、壓力情境、回撤預案 |
單筆 R:R 的計算與期望值
以多頭為例，風險距離是進場價減停損價，報酬距離是目標價減進場價；這個風報比（R:R）可以用「報酬距離 ÷ 風險距離」表示。若進場 100、停損 95、目標 115，風險距離為 5、報酬距離為 15，名目 R:R 為 3R。這只說明價格距離，不表示交易一定會到達目標。
想先檢查單筆情境？
先用獨立的交易期望值計算器計入手續費與滑價，再用歷史序列工具檢查波動與最大回撤；也可連到部位大小與 Kelly 風險預算教學。
二、把價格序列轉成可比較的報酬
分析前最重要的不是先挑一個漂亮指標，而是確認資料口徑。若貼入價格序列，工具會按「舊到新」計算簡單報酬；若貼入報酬序列，工具會從起始資金逐期複利建立權益曲線。兩者不能無聲混用，也不能把沒有調整股利與分割的價格直接當作可比較的投資報酬。
簡單報酬、對數報酬與年化
本工具以簡單報酬呈現，因為它能直接重建資產價值；對數報酬在數學與模型串接上有其他用途，但不應把兩者的平均值、累積方式與年化公式混在一起。年化因子也不是固定真理：日資料常以 252 作為交易日教育假設，週資料可用 52、月資料可用 12；若資料含非交易日、時區或不同市場，應重新確認。
| 檢查項目 | 為什麼重要 | 工具處理 |
|---|---|---|
| 順序 | 回撤需要峰值先於谷值；倒序會改寫整條路徑 | 明確要求由舊到新，不自動排序 |
| 價格調整 | 分割或股利造成的跳點可能被誤判成報酬 | 由使用者在資料來源端確認 adjusted／unadjusted |
| 頻率 | 波動與 Sharpe 年化依觀測頻率而變 | 選擇日／週／月的 periods per year |
| 費用與現金流 | 投入、提領、費用會改變權益曲線，不一定是投資報酬 | 工具不猜測現金流；使用者須先整理序列 |
三、最大回撤：用整條權益路徑找最深的坑
CFA Institute 將 maximum drawdown 描述為指定期間內從最高局部峰值到後續最低局部谷值的累積損失；期間可以有多個 drawdown，但最大回撤只有一個。[3] 這個「先峰後谷」的時間順序很重要，不能拿整段資料的最高值與最低值任意相減。
深度、持續時間與恢復期要分開看
兩條曲線可能都有 −20% 的 MDD，但一條在三個觀測期內回到前高，另一條經過數十期仍未回復。前者的心理壓力與資金占用通常不同於後者，因此工具另外顯示 MDD 峰值、谷值、恢復所需觀測期數，以及截至樣本最後一筆是否仍在回撤中。這些欄位是描述，不是承諾「多久一定能回本」。
| 期數 | 權益 | Running peak | Drawdown |
|---|---|---|---|
| 0 | 100 | 100 | 0% |
| 1 | 110 | 110 | 0% |
| 2 | 104 | 110 | −5.45% |
| 3 | 88 | 110 | −20.00% |
| 4 | 98 | 110 | −10.91% |
| 5 | 112 | 112 | 0% |
四、Sharpe、Sortino、Calmar 與恢復因子
Sharpe 的歷史版本可理解為「平均差異報酬 ÷ 差異報酬的歷史標準差」。William F. Sharpe 也提醒，指標依賴觀測期間；複利、序列相關與分布的其他特徵會讓簡單年化關係變得不完整。[1] 因此，工具把頻率與樣本數列出，並不把 Sharpe 的固定門檻寫成普遍優劣標準。
| 指標 | 本工具定義 | 它回答什麼 | 不要怎麼用 |
|---|---|---|---|
| 年化波動 | 樣本標準差 × √periods/year | 報酬在各期的分散程度 | 不等於最大可能損失 |
| Sharpe | 超額平均報酬 ÷ 樣本標準差，再按頻率年化 | 每一單位總波動的歷史超額報酬 | 不代表尾端風險已被捕捉 |
| Sortino | 超額平均報酬 ÷ MAR 下行偏差，再按頻率年化 | 每一單位低於 MAR 的下行風險 | 沒有下行觀測時不能輸出虛構無限值 |
| Calmar | 年化報酬 ÷ |MDD| | 年化成長相對於最深歷史回撤 | 不同期間、策略與 MDD 定義不可盲比 |
| 恢復因子 | 累積淨利 ÷ MDD 金額（本工具明示口徑） | 淨利相對於最大回撤金額 | 不要把它和 Calmar 同名或互換 |
Sharpe 與 Sortino 為什麼可能給出不同訊息
Sharpe 對上行與下行的偏離都使用標準差；Sortino 則把低於最低可接受報酬（MAR）的短缺集中處理。Charles Schwab 將 Sortino 說明為著重 downside risk 的 Sharpe 變體，並提醒它仍建立在歷史資料，應作為進一步分析的起點。[2] 在右偏報酬、少數大漲與多次小幅下跌的序列中，兩個指標可能差距很大；這不是哪個指標「一定正確」，而是它們的風險問題不同。
把自己的序列貼進分析器
支援價格／報酬兩種模式、頻率、MAR、起始資金、回撤圖與 CSV 下載；不會自動抓行情。
五、實務分析流程：先整理資料，再解讀指標
好的風控不是收集越多比率越好，而是先讓每個數字能被重算。建議先保存原始來源與下載日期，確認價格調整方式，再以同一頻率建立序列；之後先看累積報酬與權益圖，再看 MDD、恢復期與回撤分布，最後才把 Sharpe、Sortino 或 Calmar 放回策略假設中解讀。
第一步：資料契約
寫清楚序列是價格還是報酬、由舊到新、觀測頻率、樣本期間、幣別、是否 adjusted close，以及是否含股利、費用、稅費與現金流。
第二步：先看路徑
檢查 equity、running peak、drawdown、最深谷值與恢復狀態；不要只截取最終報酬，因為路徑會決定資金與心理壓力。
第三步：做壓力問題
問「若歷史 MDD 再擴大」、「恢復時間延長」、「交易成本上升」時，部位、流動性與現金緩衝是否仍可承受。
第四步：避免過度解讀
小樣本、高度自相關、倖存者偏誤、資料錯位、策略改版與費用遺漏，都會讓漂亮指標失去可比性。
把結果連到既有工具
若你正在做單筆交易，先用本站的部位大小與風險預算檢查最大損失，再用Kelly 風險預算看勝率與盈虧比估計的敏感度；若是投資組合層次，則用資產配置與動態再平衡檢查資產權重偏離。三者的輸入與問題不同，不能以單一數字取代完整流程。
六、資料來源、假設與模型限制
本篇使用 William F. Sharpe 的原始 Sharpe Ratio 說明、Charles Schwab 的 Sortino 教學，以及 CFA Institute 對最大回撤的教育文章；它們支持指標的定義與限制，但不提供任何個人化資產配置或未來報酬保證。[1] [2] [3]
[1] William F. Sharpe, The Sharpe Ratio, Stanford University
[2] Charles Schwab, How to Use the Sortino Ratio
[3] CFA Institute, Maximum Drawdown and Optimal Portfolio Strategy
[4] Choi et al., Maximum Drawdown, Recovery, and Momentum
Basis：簡單報酬、樣本標準差、指定 MAR 的下行偏差、running peak 的 peak-to-trough MDD；恢復因子以「累積淨利 ÷ MDD 金額」明示定義。Time：不使用即時行情；時間基準完全由使用者提供的序列與選定頻率決定。Assumptions：日／週／月年化因子預設為 252／52／12，起始資金與 MAR 由使用者輸入。Sources & Confidence：定義依上述公開教育／研究來源；歷史樣本的品質、調整價格與交易成本需由使用者覆核。Compliance：This is research and analysis only, not personalized financial advice.
七、完整拆解一段虛構序列的研究報告
假設研究者從來源端取得六個依時間排序的價格觀測值：100、110、104、88、98、112。先轉成逐期簡單報酬，再以 100,000 元起始資金重建權益；這個示範只用來說明公式，不代表任何市場或資產的歷史表現。權益路徑會經過 100,000、110,000、104,000、88,000、98,000、112,000，因此最高峰先出現在 110,000，最深谷是後續的 88,000。
若研究者只看起始到期末，會得到 +12% 的累積報酬；若只看最後的 Sharpe，也可能忽略中間曾經承受 −20% 的峰谷回撤。完整報告至少應同時列出資料頻率、樣本數、累積／年化報酬、波動、MDD、恢復期、成本口徑與是否仍在回撤。這樣讀者才能把「結果很好」拆成可檢查的證據，而不是被一個總結數字帶走。