1. 课程导入与目标设定

在盘口事件驱动策略中，交易信号往往来自订单簿的瞬时变化——大单撤挂、买卖盘口失衡、成交笔数异常放大、价差突然张开等。这类策略的收益曲线通常呈现“高频小赢、偶发大亏”的形态，而最大回撤（Maximum Drawdown, MDD）正是刻画“偶发大亏”最直接的指标。本课程的目标，是让学习者能够独立完成一次盘口事件策略的最大回撤分析：从事件定义、回撤计算，到归因定位，再到参数与风控的调整验证。

一、先厘清三个核心概念

盘口事件：指在 Level-2 行情快照或逐笔委托/成交数据中，满足某一可量化条件的瞬时状态。例如“买一档挂单量在 200ms 内减少超过 60%”“卖一价与买一价之差超过 3 个最小变动价位且持续 5 个快照”。事件必须可被程序化识别，否则无法回测。

事件驱动策略：以事件触发作为开平仓依据，而非固定时间间隔或连续指标。它的持仓周期通常很短（秒级到分钟级），因此对成交假设、滑点和盘口深度的敏感度远高于低频策略。

最大回撤：在给定区间内，权益曲线从任一历史高点回落的最大幅度，定义为

MDD = max over t of [ (Peak(t) - Equity(t)) / Peak(t) ]
其中 Peak(t) = max{ Equity(s) : s <= t }

需要注意参照约定：本课程全程以“策略权益（含手续费与滑点）”为计算基准，回撤以正数表示跌幅，峰值取回撤发生前的历史最高权益。若改用净值或收益率序列，结论方向一致但数值不同，切换时须明确说明。

二、整体分析框架

一次完整的回撤分析不是“算出一个数”，而是一条从数据到决策的链路。下图给出本课程贯穿始终的分析框架：左侧是输入与事件识别，中部是回撤计算与归因，右侧是调整与验证，底部是贯穿全流程的口径一致性约束。

三、学习目标：学完能做到什么

本课程不满足于“会套公式”。完成学习后，你应当能够独立完成以下四件事：

• 定义可回测的事件：把“盘口异动”翻译成带阈值、窗口、数据字段的判定条件，并说明为何选这个阈值。
• 正确计算 MDD：从逐笔成交与行情重建权益曲线，处理手续费、滑点与部分成交，输出 MDD、回撤持续期与恢复期。
• 完成归因：把一次大回撤拆到具体事件类型、具体标的、具体时段，回答“亏在哪、为什么亏”。
• 调整并验证：提出过滤或风控改动，在样本外复算，判断回撤是否真实改善而非过拟合。

四、一个贯穿课程的示例设定

为使讨论具体，本课程使用一个统一的示例场景（以下参数均为教学假设，非实测结果）：标的为某流动性中等的中盘股，数据为 3 秒快照的 Level-2 行情，样本区间 60 个交易日。事件定义为“买一档挂单量在连续两个快照内下降超过 50%，且卖一档挂单量同步上升超过 30%”，触发后做空并在 30 秒后或盘口恢复时平仓。初始参数下，示例权益曲线在样本内出现一次约 8.6% 的回撤，集中在某三个交易日的开盘后 15 分钟内。后续章节将围绕这次回撤，逐步演示计算、归因与调整的完整过程。

五、常见认知误区

初学者最容易犯三类错误。其一，用收盘价或中间价计算权益，忽略盘口深度不足导致的滑点，使 MDD 被系统性低估。其二，把回撤当成一个孤立数字，不做切片归因，于是无法判断是“某类事件整体失效”还是“个别极端行情”。其三，在样本内反复调阈值直到 MDD 变小，却不做样本外验证，把过拟合当成策略改进。本课程后续每一章都会针对这些误区给出可操作的检查方法。

建立框架之后，下一步就是把事件定义落到具体的数据字段与判定逻辑上——这也是整个回撤分析能否可信的起点。