3. 回撤控制指标体系构建

板块轮动策略的回撤控制，不能只盯一个“最大回撤”数字。最大回撤告诉你“最坏有多深”，却不告诉你“跌了多久”“多久能回来”“下跌是否伴随异常波动”“亏损是否集中在少数板块”。要真正管住回撤，需要把回撤拆成一组互相补充的指标，并让它们在同一时间轴上联动观察。本节围绕五个核心指标展开：最大回撤、回撤持续时间、恢复周期、波动率、下行风险，最后落到一个可落地的监控仪表盘设计。

五个指标各自回答什么问题

先明确参照约定：以下所有指标均以策略净值序列为基准，净值取每日收盘后的组合市值除以初始市值，回撤以历史最高净值为参照，取负值表示下跌幅度，例如 -12% 表示从峰值回撤 12%。

最大回撤（MDD）回答“最坏有多深”。计算方式是遍历净值序列，维护历史峰值，逐日计算当前净值相对峰值的跌幅，取最小值。它对应一个“峰—谷”区间，峰值日与谷底日之间的净值落差就是最大回撤幅度。对板块轮动策略而言，MDD 往往出现在风格切换或系统性下跌叠加持仓集中的时段。

回撤持续时间回答“跌了多久”。从净值创出峰值那天起，到净值重新回到该峰值那天止，这段区间长度就是一次完整回撤的持续时间。若尚未恢复，则计算到当前日期为止。它衡量的是“水下时间”，对资金占用和心理压力影响极大。

恢复周期回答“多久能回来”。严格说，恢复周期是回撤持续时间中“从谷底回到前高”的那一段，即谷底日到收复峰值日之间的天数。它与回撤持续时间配合使用：持续时间长但恢复周期短，说明下跌缓慢、修复迅速；持续时间短但恢复周期长，说明急跌后长期爬不出来。

波动率回答“日常颠簸有多大”。通常用日收益率的标准差年化，乘以 √252。它不直接等于回撤，但高波动往往放大回撤的深度和触发频率，是回撤的“背景噪声”。

下行风险回答“只算下跌那部分有多凶”。常用下行标准差：只取收益率小于目标收益（常设为 0 或无风险利率）的样本计算标准差，再年化。相比总波动率，它更贴近投资者真实感受到的亏损压力，也常作为索提诺比率的风险分母。

指标之间的联动关系

这五个指标不是并列的清单，而是有因果和时序关系的。下图展示了它们在一次典型回撤事件中的位置与联动：净值从峰值下行，波动率与下行风险在下跌段抬升，谷底之后进入恢复周期，最终收复峰值完成一次完整回撤。

从图中可以读出关键联动：波动率是全程背景，下行风险在下跌段集中抬升，二者共同影响回撤深度；最大回撤是“深度”指标，回撤持续时间和恢复周期是“时间”指标。只看深度会低估长期水下的伤害，只看时间会忽略单次急跌的冲击，必须成组解读。

计算实现要点

实际落地时，建议用一段可复用的计算逻辑统一产出全部指标，避免各指标口径不一致。以下为示例实现（Python 风格伪代码，参数与结果均为教学示例）：

import numpy as np

def drawdown_metrics(nav, rf=0.0, periods=252):
    nav = np.asarray(nav, dtype=float)
    peak = np.maximum.accumulate(nav)
    dd = nav / peak - 1.0                 # 逐日回撤，负值
    mdd = dd.min()                        # 最大回撤
    trough = int(dd.argmin())             # 谷底位置
    peak_idx = int(np.argmax(nav[:trough+1]))  # 对应峰值位置

    # 回撤持续时间：峰值到收复峰值（未收复则到末尾）
    recover_idx = None
    for i in range(trough, len(nav)):
        if nav[i] >= nav[peak_idx]:
            recover_idx = i
            break
    duration = (recover_idx if recover_idx is not None else len(nav)-1) - peak_idx
    recovery = (recover_idx - trough) if recover_idx is not None else None

    ret = np.diff(nav) / nav[:-1]
    vol = ret.std(ddof=1) * np.sqrt(periods)          # 年化波动率
    downside = ret[ret < rf]
    downside_risk = downside.std(ddof=1) * np.sqrt(periods)  # 年化下行风险

    return {"MDD": mdd, "duration": duration,
            "recovery": recovery, "vol": vol,
            "downside_risk": downside_risk}

几个容易踩坑的口径问题需要提前约定：其一，净值序列必须包含分红再投资，否则回撤会被高估；其二，峰值取“截至当日的历史最高”，不能用全样本最高，否则会破坏时序；其三，恢复周期在尚未收复峰值时应返回空值而非 0，仪表盘上要显示“未恢复”状态；其四，下行风险的目标收益阈值要与策略基准一致，股票型板块轮动通常取 0，若与无风险利率比较则需同步调整。

监控仪表盘设计

指标算出来只是原料，仪表盘要解决“一眼看出是否越界”。建议按三层组织：顶部为状态灯，用红黄绿三色显示当前回撤是否触及预警线；中部为趋势图，把净值曲线与回撤曲线叠放在同一时间轴，标注历史峰值、谷底与当前水下深度；底部为指标卡，并排展示 MDD、当前回撤、回撤持续时间、恢复周期、年化波动率、下行风险六个数值，并各自附带阈值与近 20 日变化方向。

阈值设定应结合策略历史分布而非拍脑袋。一个可参考的示例做法：取滚动 3 年 MDD 的 80 分位作为黄色预警线，取历史极值作为红色线；波动率超过近一年均值 1.5 倍触发黄色；下行风险连续 5 日高于阈值触发关注。以下为示例参数表（数值为教学假设，非实测）：

最后强调解读顺序：先看当前回撤是否越线，再看回撤持续时间是否拉长，然后看恢复周期是否恶化，最后用波动率与下行风险判断是“噪声型回撤”还是“结构性回撤”。若回撤深度不大但持续时间与恢复周期同步拉长，往往意味着轮动信号失效或持仓风格漂移，这比单次深跌更值得警惕。指标成组看，才能把回撤从“事后数字”变成“事中可管的状态”。