2. 组合收益基础指标：总收益、年化收益率、夏普比率、最大回撤、收益波动率、信息比率

在人群切片复盘中，组合收益的量化评估是决策优化的起点。本节聚焦六大核心指标，它们分别从绝对回报、风险调整后收益、下行风险和相对基准表现四个维度刻画组合的健康度。

2.1 指标速览与定义

2.2 核心公式与计算逻辑

以下公式均基于日频收益率序列 r_t（对数收益率或简单收益率），计算周期为 T 个交易日。

总收益（简单） = (期末净值 - 期初净值) / 期初净值 × 100%

年化收益率 = (1 + 总收益)^(252 / T) - 1

收益波动率（年化） = std(r_t) × sqrt(252)

夏普比率 = (年化收益率 - 无风险利率) / 年化波动率

最大回撤 = max(1 - 当前净值 / 历史峰值净值)

信息比率 = (组合年化收益率 - 基准年化收益率) / 跟踪误差年化值

2.3 指标关系与分层框架

六大指标并非孤立存在，它们构成一个从“结果”到“过程”再到“效率”的递进评价链：

2.4 人群切片中的指标应用要点

• 总收益与年化收益率：切片复盘时优先使用年化收益率，消除持仓时长差异。例如，A 切片持有 3 个月收益 5%，B 切片持有 12 个月收益 12%，年化后 A 约为 21.6%，B 为 12%，A 的绝对收益虽低但效率更高。
• 夏普比率：阈值参考——夏普 > 1 为良好，> 2 为优秀，< 0 则不如无风险资产。切片对比时注意无风险利率需统一。
• 最大回撤：反映策略的尾部风险。在人群切片中，若某切片最大回撤超过 20%，需重点排查风控失效原因。
• 收益波动率：年化波动率 15%–25% 为常见股票多头策略区间；高于 30% 需警惕杠杆或集中持仓。
• 信息比率：衡量主动管理能力。信息比率 > 0.5 表示持续跑赢基准，> 1.0 表示显著超额。切片复盘时，基准应选择与策略风格匹配的指数（如沪深 300、中证 500）。

2.5 指标计算示例（Python 代码片段）

import numpy as np
import pandas as pd

def compute_portfolio_metrics(returns_series, risk_free_rate=0.02, periods_per_year=252):
    """
    输入：日收益率 Series（小数形式）
    输出：六大指标字典
    """
    total_return = (1 + returns_series).prod() - 1
    n = len(returns_series)
    annual_return = (1 + total_return) ** (periods_per_year / n) - 1
    annual_vol = returns_series.std() * np.sqrt(periods_per_year)
    sharpe = (annual_return - risk_free_rate) / annual_vol if annual_vol != 0 else np.nan

    # 最大回撤
    cum = (1 + returns_series).cumprod()
    running_max = cum.cummax()
    drawdown = (cum - running_max) / running_max
    max_dd = drawdown.min()

    # 信息比率（需额外传入基准收益率）
    # 此处仅示意结构
    return {
        'total_return': total_return,
        'annual_return': annual_return,
        'volatility': annual_vol,
        'sharpe_ratio': sharpe,
        'max_drawdown': max_dd
    }

2.6 指标对比矩阵：何时用哪个？