量化策略评估基础：常用指标及其局限性
在量化策略评估中，我们依赖一系列统计指标来量化策略的收益、风险与稳定性。然而，每个指标都有其内在假设与盲区。本节将系统梳理夏普比率、最大回撤、年化收益率等核心指标的计算逻辑、解读方法以及它们在A/B测试场景下的局限性。
一、核心指标速览
| 指标 | 核心公式 | 理想值 | 主要用途 |
|---|---|---|---|
| 年化收益率 | (1 + 总收益率)^(252 / 交易天数) - 1 | 越高越好 | 衡量策略的绝对回报水平 |
| 夏普比率 | (策略年化收益率 - 无风险利率) / 年化波动率 | > 1.0 良好；> 2.0 优秀 | 风险调整后收益 |
| 最大回撤 | max(峰值 - 谷值) / 峰值 | 越小越好 | 衡量策略的最大本金损失幅度 |
| 卡玛比率 | 年化收益率 / 最大回撤 | > 1.0 可接受 | 收益与最大回撤的权衡 |
| 胜率 | 盈利交易次数 / 总交易次数 | 视策略类型而定 | 交易准确度 |
| 盈亏比 | 平均盈利 / 平均亏损 | > 1.5 较好 | 盈利质量 |
关键认知：没有任何单一指标能完整描述策略的风险收益特征。A/B测试的核心任务之一，就是通过统计检验判断两个策略在这些指标上的差异是否显著，而非仅比较数值大小。
二、年化收益率：最直观也最危险
年化收益率将不同时间跨度的收益统一到年度基准，便于横向比较。但它的计算隐含了复利再投资假设，且对尾部极端收益高度敏感。
- 计算陷阱：使用算术平均年化收益率会高估实际收益，应使用几何平均年化收益率。
- 时间偏差：短期高收益策略在年化后可能被严重夸大（例如一个月收益5%年化后约80%）。
- A/B测试启示：年化收益率在样本期较短时方差极大，直接比较两个策略的年化收益率容易产生误导性结论。
三、夏普比率：风险调整的黄金标准与盲区
夏普比率衡量每承担一单位总风险所获得的超额回报，是业界最广泛使用的风险调整指标。然而，它在量化策略评估中存在多个结构性缺陷。
实战警示：当策略收益呈现尖峰厚尾分布（如趋势跟踪策略常出现）时，夏普比率会系统性高估策略表现。此时应补充使用索提诺比率（仅考虑下行波动）或调整夏普比率（考虑偏度与峰度）。
四、最大回撤：最真实的痛苦指标
最大回撤衡量策略从历史峰值到后续谷值的最大跌幅，直接反映了投资者可能承受的最大账面损失。它比波动率更贴近实际交易体验，但也存在明显局限。
- 路径依赖：最大回撤仅记录一个极端点，不反映回撤的持续时间、恢复速度或回撤期间的波动特征。
- 样本期敏感：在牛市中策略的最大回撤可能被低估，而在震荡市中可能被高估。
- 不可预测性：历史最大回撤不代表未来最大回撤，尤其当市场结构发生改变时。
- A/B测试难点：最大回撤是一个极值统计量，其抽样分布高度偏斜，传统t检验不适用，需使用极值理论或Bootstrap方法。
五、其他常用指标及其互补关系
| 指标 | 弥补的缺陷 | 适用场景 | A/B测试注意事项 |
|---|---|---|---|
| 索提诺比率 | 夏普比率对称处理涨跌 | 非对称收益策略 | 下行标准差估计需足够样本 |
| 卡玛比率 | 最大回撤缺乏收益参照 | 绝对收益目标策略 | 回撤极值对样本期敏感 |
| 信息比率 | 夏普比率无基准参照 | 相对收益策略 | 基准选择直接影响结果 |
| 盈亏比 | 胜率忽略盈利幅度 | 趋势跟踪/高频策略 | 需结合交易次数检验稳定性 |
| VaR / CVaR | 最大回撤忽略尾部概率 | 风险管理严格场景 | 参数估计方法（历史/参数/Monte Carlo）影响大 |
六、指标局限性对A/B测试的直接影响
在A/B测试框架下，策略评估指标的局限性会转化为统计推断中的三类核心问题：
- 分布假设失效：夏普比率、年化收益率等指标在有限样本下不服从正态分布，导致t检验的I类错误率膨胀。
- 多重比较问题：同时比较多个指标（收益率、回撤、胜率等）会显著增加发现虚假显著差异的概率。
- 时间序列依赖：日收益率存在自相关与波动率聚类，破坏独立同分布假设，使标准误被低估。
核心结论：量化策略评估不能依赖单一指标。在A/B测试实践中，应构建多维指标体系，对每个指标使用Bootstrap法或滚动窗口法估计其抽样分布，再通过多重比较校正（如Bonferroni、FDR控制）综合判断策略间的差异是否具有统计显著性与经济显著性。
七、实践建议：构建稳健的评估框架
- 指标组合：至少同时报告年化收益率、夏普比率、最大回撤、卡玛比率和盈亏比，形成互补视角。
- 统计检验：对每个指标使用Bootstrap法（1000次以上重抽样）构建95%置信区间，观察两个策略的区间是否重叠。
- 经济显著性：统计显著不等于实际可交易。需设定最小可接受效果量（如夏普比率提升0.3以上才视为有意义）。
- 稳健性检验：在不同市场环境（牛市/熊市/震荡市）子样本中重复评估，排除过拟合风险。