📚 课程目录第3章量化投资核心术语

3、量化投资核心术语：Alpha、Beta、夏普比率、最大回撤、胜率、盈亏比、年化收益、波动率等指标的含义与计算

量化投资的决策过程高度依赖可量化、可回溯的指标。无论是评估一个策略是否值得实盘，还是对比多个策略的优劣，都离不开一套统一的“度量衡”。本章将系统拆解八个最核心的量化术语：Alpha、Beta、夏普比率、最大回撤、胜率、盈亏比、年化收益和波动率。理解这些指标不仅是读懂研报和绩效归因报告的前提，更是避免“只看收益、不看风险”这一最常见认知陷阱的关键。我们将从定义、计算公式、适用场景到常见误区进行逐一剖析，并给出一个完整的策略评估案例。

3.1 收益类指标：年化收益、Alpha、胜率与盈亏比

核心原理：收益的度量与拆解

收益指标回答的是“赚了多少”以及“赚得是否聪明”。但简单的累计收益率存在时间口径不一致的问题，因此行业标准采用年化收益。年化收益并非简单地将累计收益除以年数，而是采用几何复利计算，公式为：年化收益 = (期末净值 / 期初净值)^(252 / 交易天数) - 1。若按自然日计算，则指数改为365。Alpha（α）则衡量的是策略超越市场基准（如沪深300指数）的能力，它剔除了市场整体涨跌带来的Beta收益。胜率是盈利交易次数占总交易次数的比例，而盈亏比是平均单笔盈利与平均单笔亏损的比值。

判断方法与计算逻辑

年化收益：必须使用几何平均而非算术平均。例如，第一年赚100%，第二年亏50%，算术平均年化收益为25%，但实际几何年化收益为0%。
Alpha（α）：通常通过回归分析计算：策略收益 = α + β × 市场收益 + ε。截距项α即为超额收益。α>0表示策略有正向选股或择时能力。
胜率：胜率 = 盈利交易次数 / 总交易次数 × 100%。胜率高不代表一定赚钱，需结合盈亏比。
盈亏比：盈亏比 = 平均单笔盈利金额 / 平均单笔亏损金额。例如盈亏比3:1，意味着赚一次可覆盖亏三次。

案例拆解：一个趋势跟踪策略的收益指标

假设某期货CTA策略在2023年共交易50笔，其中盈利30笔，亏损20笔。总盈利为60万元，总亏损为20万元。则：胜率 = 30/50 = 60%；平均盈利 = 60万/30 = 2万元；平均亏损 = 20万/20 = 1万元；盈亏比 = 2:1。该策略的期望收益为：0.6 × 2 - 0.4 × 1 = 0.8万元/笔。虽然胜率只有60%，但盈亏比2:1使得整体期望为正。若该策略期初资金100万，期末净值150万，交易天数为252天，则年化收益 = (150/100)^(252/252) - 1 = 50%。但若该策略实际只运行了126天，则年化收益 = (1.5)^(252/126) - 1 = 125%。

经验提醒：不要单独追求高胜率。很多高频做市策略胜率高达90%以上，但盈亏比可能只有0.5:1，一旦遇到一次大亏损，就可能吞噬数十次小盈利。相反，趋势跟踪策略胜率往往低于40%，但盈亏比常在3:1以上。评估时务必同时观察胜率与盈亏比，并计算期望收益。

常见误区与复盘

风险警示：年化收益的“线性外推”陷阱。若策略只运行了1个月，收益为5%，简单年化就是60%，但这极不准确。短期收益受市场环境、运气成分影响极大。此外，Alpha的计算必须基于足够长的样本期（至少1年），且需对市场因子（如规模、价值、动量）进行多因子回归，否则得到的Alpha可能只是暴露于某些风格因子的伪Alpha。

3.2 风险类指标：波动率、最大回撤与Beta

核心原理：风险的量化定义

风险在量化中通常被定义为收益的不确定性，最常用的度量是波动率，即收益率的标准差。波动率越高，收益的离散程度越大，策略的不确定性越高。最大回撤衡量的是从历史净值峰值到后续最低点的最大跌幅，它直接反映了策略在极端情况下可能承受的亏损幅度，是投资者心理承受能力的核心考验。Beta（β）则度量策略相对于市场基准的敏感度，β=1表示策略与市场同步波动，β>1表示策略比市场波动更剧烈，β<0表示策略与市场负相关。

计算与判断方法

波动率：先计算每日收益率，再求这些收益率的标准差，最后乘以√252（交易日数量）得到年化波动率。公式：σ_年化 = σ_日 × √252。
最大回撤：遍历历史净值序列，记录每一个峰值，然后计算当前净值与最近峰值的差值百分比，取所有差值中的最大值。公式：MaxDrawdown = max(1 - 当前净值 / 峰值净值)。
Beta（β）：通过协方差除以市场方差计算：β = Cov(策略收益, 市场收益) / Var(市场收益)。

案例拆解：回撤与波动率的实际影响

假设两个策略A和B，年化收益均为20%。策略A的净值曲线平滑，最大回撤仅5%，年化波动率8%；策略B净值大起大落，最大回撤达25%，年化波动率20%。虽然收益相同，但策略B在实盘中极难坚持。例如，若策略B在2022年3月出现25%的回撤，投资者很可能在回撤达到15%时因恐慌而止损离场，从而错失后续反弹。最大回撤不仅是一个风险指标，更是对策略容错性的考验。此外，Beta的实战意义在于：若市场下跌10%，β=1.5的策略预期下跌15%，而β=0.5的策略仅下跌5%。

  实战场景：在构建投资组合时，若已持有大量股票多头（β≈1），则应配置β为负或低β的策略（如市场中性策略、CTA趋势策略）来对冲系统性风险。通过计算组合中不同策略的Beta，可以优化整体风险敞口。

常见误区与总结

风险警示：最大回撤是“事后指标”，它只能说明历史最坏情况，不代表未来不会出现更大的回撤。同时，波动率对称地惩罚了上涨和下跌，但投资者通常更厌恶下跌。因此，下行波动率（仅计算亏损时的标准差）有时比总波动率更有参考价值。此外，Beta的计算依赖于所选基准，若基准选择不当，Beta的意义会大打折扣。

3.3 综合指标：夏普比率与策略评估框架

核心原理：风险调整后的收益

夏普比率是衡量每承担一单位总风险（波动率）能获得多少超额回报的指标。公式为：夏普比率 = (策略年化收益 - 无风险利率) / 策略年化波动率。无风险利率通常采用一年期国债收益率或银行间同业拆借利率（如SHIBOR）。夏普比率越高，说明策略在风险和收益之间的平衡越好。一般认为，夏普比率大于1是合格策略，大于2是优秀策略，大于3则极为罕见。

操作流程：如何综合评估一个策略

数据准备：获取策略每日净值序列、同期基准指数（如沪深300）每日收益率、无风险利率。
计算基础指标：分别计算年化收益、年化波动率、最大回撤、Beta、Alpha。
计算夏普比率：代入公式，得到风险调整后收益。
横向对比：将策略的夏普比率、最大回撤与同类策略或基准进行对比。
压力测试：观察策略在极端市场（如2015年股灾、2020年疫情）下的回撤和恢复时间。

案例拆解：多策略对比评估

指标	策略A（股票多头）	策略B（市场中性）	策略C（CTA趋势）
年化收益	25%	12%	18%
年化波动率	20%	5%	15%
最大回撤	-30%	-4%	-12%
Beta	1.1	0.05	-0.2
夏普比率（无风险利率2%）	(25%-2%)/20% = 1.15	(12%-2%)/5% = 2.0	(18%-2%)/15% = 1.07

从表中可见，策略B虽然年化收益最低，但夏普比率最高，且最大回撤极小，适合风险厌恶型资金。策略A收益最高，但回撤和波动率也最大，投资者需承受较大的心理压力。策略C的Beta为负，与股票市场呈负相关，适合作为组合中的对冲成分。若仅看收益，策略A最优；但结合风险调整后收益，策略B更优。

经验提醒：夏普比率并非万能。它假设收益呈正态分布，但量化策略的收益往往具有“尖峰厚尾”特征（即极端值出现概率高于正态分布）。因此，建议同时关注Sortino比率（仅考虑下行波动）和Calmar比率（年化收益/最大回撤），以更全面地评估策略。

常见误区与总结复盘

风险警示：不要迷信高夏普比率。某些策略通过卖出深度虚值期权来获取权利金，在大多数时间里夏普比率极高，但一旦遇到极端行情，可能一夜之间亏光数年利润。这就是所谓的“压路机前捡硬币”策略。因此，在评估夏普比率时，必须结合最大回撤和尾部风险指标（如VaR、CVaR）进行综合判断。此外，样本外测试的夏普比率通常会低于样本内，需警惕过拟合导致的虚高夏普。

总结而言，量化投资的核心术语构成了一个完整的评估闭环：年化收益和Alpha回答“赚了多少”，波动率和最大回撤回答“风险多大”，夏普比率回答“性价比如何”，胜率和盈亏比解释“收益来源是否可靠”。在实际应用中，没有任何单一指标能全面评价一个策略。成熟的量化投资者会建立一套多维度的指标看板，定期监控这些指标的变化，并结合市场环境进行动态调整。记住：低回撤、稳增长、可持续，才是量化策略长期制胜的根本。