計算收益最大回撤的思想和代碼

在財務風險指標中，最大回撤是一個很重要的指標。

自己在計算最大回撤時，最開始是網上想找一些成熟的解決方案。

但是最后發現，要不是代碼不通用，要不就是性能不好，還有一些本來就是錯誤的。

所以最后只能理解最大回撤的算法思路，再寫出代碼，最后再優化性能了！

 

例子：

初始資金是1塊錢的話，資金連續一周的變化如下：

周一：1.01

周二：1.02

周三：0.98

周四：1.0

周五：0.97

那么我們要計算的樣本為：[1, 1.01, 1.02, 0.98, 1.0, 0.97]

如果計算截至到周二的最大回撤，那么我們要拿到周二的值：1.02，再拿周二之前最大的值，即，周一的1.01，再計算回撤：(1.02/1.01-1)*100=0.99%，這時間 0.99% >0 ，所以是不存在回撤的。

如果計算截至到周三的最大回撤，那么我們要拿到周三的值：0.98，再拿周三之前最大的值，即，周二的1.02，再計算回撤：(0.98/1.02-1)*100=-3.9215%，這時間 -3.9215% < 0 ，所以是存在回撤的。

如果計算截至到周五的最大回撤，那么我們要拿到周五的值：0.97，再拿周五之前最大的值，即，周二的1.02，再計算回撤：(0.97/1.02-1)*100=-4.9019%，這時間 -4.9019% < 0 ，所以是存在回撤的。

這時間再比較 Min(-4.9019%, -3.9215%)，得出最大回撤為 -4.9019%。

 

用Python 代碼來實現：

returns = [1.0, 1.01, 1.05, 1.1, 1.11, 1.07, 1.03, 1.03, 1.01, 1.02, 1.04, 1.05, 1.07, 1.06, 1.05, 1.06, 1.07, 1.09, 1.12, 1.18, 1.15, 1.15, 1.18, 1.16, 1.19, 1.17, 1.17, 1.18, 1.19, 1.23, 1.24, 1.25, 1.24, 1.25, 1.24, 1.25, 1.24, 1.25, 1.24, 1.27, 1.23, 1.22, 1.18, 1.2, 1.22, 1.25, 1.25, 1.27, 1.26, 1.31, 1.32, 1.31, 1.33, 1.33, 1.36, 1.33, 1.35, 1.38, 1.4, 1.42, 1.45, 1.43, 1.46, 1.48, 1.52, 1.53, 1.52, 1.55, 1.54, 1.53, 1.55, 1.54, 1.52, 1.53, 1.53, 1.5, 1.45, 1.43, 1.42, 1.41, 1.43, 1.42, 1.45, 1.45, 1.49, 1.49, 1.51, 1.54, 1.53, 1.56, 1.52, 1.53, 1.58, 1.58, 1.58, 1.61, 1.63, 1.61, 1.59]

max_draw_down = 0
temp_max_value = 0
for i in range(1, len(returns)):
    temp_max_value = max(temp_max_value, returns[i-1])
    max_draw_down = min(max_draw_down, returns[i]/temp_max_value-1)
print(str(max_draw_down))

同時，如果你拿到到的是每日的漲跌幅，而不是資金總量變化，計算思想和上面類似，但是要考慮回撤的復利情況，不能直接套用, 但是思想相同！

本文禁止任何網站轉載，嚴厲譴責那些蛀蟲們。
本文首發於，博客園，請搜索：博客園 - 尋自己，查看原版文章