风险报酬与最大回撤分析
不要只问“赚了多少”。先把单笔交易的风险回报比、历史收益的波动、权益曲线的回撤深度与恢复时间放在同一张图上，才能知道一个结果是靠稳定优势，还是靠少数极端行情撑起来。
报酬不是完整答案
相同的累计报酬，可能来自平滑上行，也可能来自长期盘跌后的单次跳升；波动、偏态与回撤路径会改变持有者真实承受的体验。
MDD 不是波动度
波动度把每一期的变动放入统计量；最大回撤只关心从过去高点到后续谷底的最深跌幅，因此两者应并列，而非相互替代。
一、先拆开「风险报酬比」的两个世界
「风险报酬」在交易对话中至少有两种意思。第一种是单笔交易的 R:R（风险-回报比，risk-to-reward ratio），用停损距离与目标距离描述一个尚未发生的情境；第二种是策略或投资组合的历史风险调整绩效，例如 Sharpe、Sortino 与 Calmar，用一串已发生的收益与权益资料回答「过去拿了多少回报、付出了什么代价」。
| 问题 | 单笔 R:R | 历史绩效指标 |
|---|---|---|
| 数据类型 | 进场、止损、目标、方向 | 按时间排序的价格或收益序列 |
| 主要用途 | 进场前检查损失上限与收益空间 | 事后描述波动、下行风险与回撤路径 |
| 核心盲点 | 不包含胜率、滑价、跳空与连续亏损 | 历史样本不保证未来，且受频率与数据清理影响 |
| 适合搭配 | 仓位大小、Kelly 敏感度、交易记录 | 样本外测试、压力情景、回撤预案 |
单笔 R:R 的计算与期望值
以多头为例，风险距离是进场价减止损价，回报距离是目标价减进场价；这个风报比（R:R）可以用“回报距离 ÷ 风险距离”表示。若进场 100、止损 95、目标 115，风险距离为 5、回报距离为 15，名义 R:R 为 3R。这只说明价格距离，不表示交易一定会达到目标。
想先检查单笔情境？
先用独立的交易期望值计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、把价格序列转成可比较的收益
分析前最重要的不是先挑一个漂亮指标，而是确认数据口径。若粘贴价格序列，工具会按「旧到新」计算简单收益；若粘贴收益序列，工具会从起始资金逐期复利建立权益曲线。两者不能无声混用，也不能把未调整分红与拆股的价格直接当作可比较的投资收益。
简单收益、对数收益与年化
本工具以简单报酬呈现，因为它能直接重建资产价值；对数报酬在数学与模型对接上有其他用途，但不应把两者的平均值、累积方式与年化公式混在一起。年化因子也不是固定真理：日资料常以 252 作为交易日教育假设，周资料可用 52、月资料可用 12；若资料含非交易日、时区或不同市场，应重新确认。
| 检查项目 | 为什么重要 | 工具处理 |
|---|---|---|
| 顺序 | 回撤需要峰值先于谷值；倒序会改写整条路径 | 明确要求由旧到新，不自动排序 |
| 价格调整 | 拆股或分红造成的跳点可能被误判为收益 | 由用户在数据来源端确认 adjusted／unadjusted |
| 频率 | 波动与 Sharpe 年化依观测频率而变 | 选择日／周／月的 periods per year |
| 费用与现金流 | 投入、提取、费用会改变权益曲线，不一定是投资报酬 | 工具不猜测现金流；用户须先整理序列 |
三、最大回撤：用整条权益路径找最深的坑
CFA Institute 将 maximum drawdown 描述为指定期间内从最高局部峰值到后续最低局部谷值的累计损失；期间可以有多个回撤，但最大回撤只有一个。[3] 这个“先峰后谷”的时间顺序很重要，不能拿整段资料的最高值与最低值任意相减。
深度、持续时间与恢复期要分开看
两条曲线可能都有 −20% 的 MDD，但一条在三个观测期内回到前高，另一条经过数十期仍未恢复。前者的心理压力与资金占用通常不同于后者，因此工具另外显示 MDD 峰值、谷值、恢复所需观测期数，以及截至样本最后一笔是否仍在回撤中。这些栏位是描述，不是承诺“多久一定能回本”。
| 期数 | 权益 | 运行峰值 | 回撤 |
|---|---|---|---|
| 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 与恢复因子
Sharpe 的历史版本可理解为“平均差异报酬 ÷ 差异报酬的历史标准差”。William F. Sharpe 也提醒，指标依赖观测期间；复利、序列相关与分布的其他特征会让简单年化关系变得不完整。[1] 因此，工具把频率与样本数列出，并不把 Sharpe 的固定门槛写成普遍优劣标准。
| 指标 | 本工具定义 | 它回答什么 | 不要怎么用 |
|---|---|---|---|
| 年化波动 | 样本标准差 × √periods/year | 报酬在各期的分散程度 | 不等于最大可能损失 |
| Sharpe | 超额平均回报 ÷ 样本标准差，再按频率年化 | 每一单位总波动的历史超额报酬 | 不代表尾端风险已被捕捉 |
| Sortino 比率 | 超额平均回报 ÷ MAR 下行偏差，再按频率年化 | 每一单位低于 MAR 的下行风险 | 没有下行观测时不能输出虚构的无限值 |
| Calmar 比率 | 年化收益 ÷ |MDD| | 年化增长相对于最深历史回撤 | 不同期间、策略与 MDD 定义不可盲目比较 |
| 恢复因子 | 累计净利 ÷ MDD 金额（本工具明示口径） | 净利相对于最大回撤金额 | 不要把它和 Calmar 同名或互换 |
Sharpe 与 Sortino 为什么可能给出不同信息
Sharpe 对上行与下行的偏离都使用标准差；Sortino 则把低于最低可接受报酬（MAR）的缺口集中处理。Charles Schwab 将 Sortino 说明为强调 downside risk 的 Sharpe 变体，并提醒它仍建立在历史资料，应作为进一步分析的起点。[2] 在右偏收益、少数大涨与多次小幅下跌的序列中，两个指标可能差距很大；这不是哪个指标“一定正确”，而是它们关注的风险问题不同。
把自己的序列贴进分析器
支持价格／收益两种模式、频率、MAR、起始资金、回撤图与 CSV 下载；不会自动抓行情。
五、实务分析流程：先整理资料，再解读指标
好的风控不是收集越多比率越好，而是先让每个数字能被重算。建议先保存原始来源与下载日期，确认价格调整方式，再以同一频率建立序列；之后先看累积报酬与权益图，再看 MDD、恢复期与回撤分布，最后才把 Sharpe、Sortino 或 Calmar 放回策略假设中解读。
第一步：数据契约
写清楚序列是价格还是收益、由旧到新、观测频率、样本期间、币别、是否 adjusted close，以及是否含股利、费用、税费与现金流。
第二步：先看路径
检查权益、运行峰值、回撤、最深谷值与恢复状态；不要只截取最终报酬，因为路径会决定资金与心理压力。
第三步：做压力测试
问「若历史 MDD 再扩大」、「恢复时间延长」、「交易成本上升」时，部位、流动性与现金缓冲是否仍可承受。
第四步：避免过度解读
小样本、高度自相关、幸存者偏差、资料错位、策略改版与费用遗漏，都会让漂亮指标失去可比性。
把结果连到既有工具
若你正在做单笔交易，先用本站的仓位大小与风险预算检查最大损失，再用Kelly 风险预算看胜率与盈亏比估计的敏感度；若是组合层次，则用资产配置与动态再平衡检查资产权重偏离。三者的输入与问题不同，不能以单一数字取代完整流程。
六、数据来源、假设与模型限制
本篇使用 William F. Sharpe 的原始 Sharpe Ratio 说明、Charles Schwab 的 Sortino 教学，以及 CFA Institute 对最大回撤的教育文章；它们支持指标的定义与限制，但不提供任何个性化资产配置或未来报酬保证。[1] [2] [3]
[1] William F. Sharpe，《The Sharpe Ratio》，斯坦福大学
[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
基差：简单收益、样本标准差、指定 MAR 的下行偏差、运行峰值的 peak-to-trough 最大回撤（MDD）；恢复因子以「累计净利 ÷ MDD 金额」明示定义。时间：不使用即时行情；时间基准完全由用户提供的序列与选定频率决定。假设：日／周／月年化因子预设为 252／52／12，起始资金与 MAR 由用户输入。来源与置信度：定义依上述公开教育/研究来源；历史样本的质量、调整价格与交易成本需由用户复核。合规：本内容仅供研究和分析之用，不构成个性化投资建议。
七、完整拆解一段虚构序列的研究报告
假设研究者从来源端取得六个按时间排序的价格观测值：100、110、104、88、98、112。先转成逐期简单收益，再以 100,000 元起始资金重建权益；这个示范只用来说明公式，不代表任何市场或资产的历史表现。权益路径会经过 100,000、110,000、104,000、88,000、98,000、112,000，因此最高峰先出现在 110,000，最深谷是后续的 88,000。
若研究者只看起始到期末，会得到 +12% 的累计收益；若只看最终的 Sharpe，也可能忽略中间曾承受 −20% 的峰谷回撤。完整报告至少应同时列出数据频率、样本数、累计/年化收益、波动、MDD、恢复期、成本口径与是否仍在回撤。这样读者才能把「结果很好」拆成可检验的证据，而不是被一个总结数字带走。