高收益就是好策略？用大白话看懂最大回撤和夏普比率
账户跌30%，要涨42.9%才能回本。用大白话看懂收益率、最大回撤和夏普比率，别再只看漂亮的历史测试截图。
先说结论： 高收益只是大结局，不是全过程。判断一份历史测试靠不靠谱，至少要把收益率、最大回撤和夏普比率放在一起看，再检查测试日期、费用、杠杆和计算假设。一个绿得发光的收益数字，也可能来自一套多数人半路就扛不住的策略。
看到“+24%”，大脑很容易自动播放领奖 BGM。正常，谁不爱看赚钱。
但先别急着开香槟。你还得问一句：到达这个结果之前，账户是坐扶梯上去的，还是先从楼梯上滚下来，着了一圈火，最后压哨爬回终点？
所以，只看一个收益率远远不够。
三个数字，先把金融黑话翻成人话
- 收益率： 最后赚了多少？
- 最大回撤： 中途最惨的时候跌了多少？
- 夏普比率： 为了这些收益，你一路承受了多少波动？
可以把它们理解成比赛的最终比分、比赛中最惨的一段，以及“受了这么多罪到底值不值”。三个都要看，而且必须使用同一把尺子。
收益率：它只告诉你最后的比分
收益率表示资产价值在某段时间里变化了多少。
有用吗？当然有。够用吗？完全不够。
一年赚 30% 和五年一共赚 30% 不是一回事。扣除手续费前的收益和扣除手续费后的收益也不是一回事。一个开了很高杠杆的策略，更不能直接和一个没开杠杆的策略摆在一起比。
以后看到收益率，先问四个看起来无聊、实际上能省钱的问题：
- 测试的是哪段时间？
- 有没有扣除手续费和其他交易成本？
- 使用了多少本金？
- 使用了多少杠杆？
收益截图只是电影预告片。这四个问题，才是在问正片到底演了什么。
最大回撤：回本之前，最惨的时候跌了多少？
账户可能涨得回来，你的神经未必恢复得那么快。
最大回撤，是测试期间账户从某个高点跌到后续低点的最大跌幅。
假设一个账户先涨到 100,000，然后跌到 70,000，之后又回到 100,000。它经历的最大回撤就是 30%：
（100,000 − 70,000）÷ 100,000 = 30%
后来回本，不代表中间那次下跌没有发生。它只说明这个策略最后又爬回了原点。
这里还有一个容易把人绕进去的小坑：从 100,000 跌到 70,000 是亏 30%，但从 70,000 回到 100,000，需要上涨大约 42.9%。坑是按原来的 100,000 算的，爬坑却要从只剩 70,000 的地方开始。
后来虽然回本了，但中间那段大跌，已经把人吓得每天起床先看账户。
夏普比率：每受一份波动的罪，换来了多少回报？
William F. Sharpe 对这个指标的定义，是用超额收益衡量其对应的波动。翻译成人话就是：为了拿到这些额外收益，你一路上到底晃得有多厉害？
想象两位司机都到达了同一个城市。一个人全程走平稳高速；另一个人走山路，连续三个急转弯，中间还有一段护栏像是请假了。终点一样，血压完全不是一个故事。
夏普比率想要观察的，就是这种区别。
但夏普比率只是摘要，不是给策略拍的全身 CT。一个很漂亮的夏普比率，仍然可能藏着罕见的大跌，也可能特别依赖某一段刚好有利的测试时间。当收益分布很不正常时，这个数字还可能让人产生误解。
如果一个网站用每日收益计算夏普比率，另一个网站用每月收益计算，直接比较它们就像把“20 公里”和“开车大概半小时”放在一起比大小。看起来都有数字，实际上根本不是同一把尺子。
一个简单例子：赚得更多，也可能疼得更狠
假设下面两个策略使用相同的本金、相同的成本，并且测试的是完全相同的时间段。
| 策略 | 收益率 | 最大回撤 | 大白话版本 |
|---|---|---|---|
| A | +24% | −38% | 结局赚得更多，中途摔得很惨 |
| B | +16% | −9% | 结局赚得少一点，但过程平稳得多 |
策略 A 赢得了“截图发朋友圈大赛”。策略 B 可能赢得“我真的能坚持使用下去大赛”。
谁也不是自动胜出。答案取决于用户的目标、投资周期、亏损承受能力，以及这两份测试本身是否可信。
这里的数字只是讲解用的假设案例，不是 EdgePilot 的产品收益或业绩。
几个数字互相打架时，别只挑自己爱看的
不同指标给出不同感觉，本身就是有用的信息：
- 高收益＋深回撤： 回报不错，但过程可能非常难熬。
- 收益一般＋浅回撤： 更容易坚持，但成本仍然可能吃掉优势。
- 夏普很高＋测试时间很短： 可能确实优秀，也可能只是照片裁得好。
正确做法不是选一个指标当皇帝，而是继续追问：这些数字为什么会打架？
相信冠军之前，先检查这五件事
- 两个策略测试的是不是相同的日期和市场环境？
- 手续费、滑点、买卖价差和资金费率是不是按相同方式计算？
- 两个策略使用的杠杆是否可比？
- 夏普比率是不是使用相同的收益频率和基准计算？
- 换一段时间或稍微改变参数后，结果还能不能站得住？
如果比赛进行到一半偷偷换了尺子，最后评出来的冠军大概率只是节目效果。
EdgePilot Research 在这里能做什么？
EdgePilot Research 官方代码仓库介绍了无需连接交易账户的策略发现和可复现历史测试。官方说明同时明确：EdgePilot Research 不连接交易账户、不接收交易所凭证，也不会替用户下单。
说白了，它帮助你检查一份策略作业是怎么做出来的。它不会把一张漂亮的历史测试截图变成未来稳赚的保证，也不会替你按下交易按钮。
常见问题
最大回撤多少才算好？
没有一个适用于所有策略的统一答案。能否承受某个回撤，取决于策略类型、杠杆、时间周期、流动性，以及用户真的亏到那个程度时还能不能继续执行。
夏普比率超过 1 就一定好吗？
不一定。测试时间、收益频率、比较基准、收益分布、成本和数据质量都会影响这个数字。测试做得一团乱，一个整齐的夏普比率也救不回来。
可以直接比较两个网站展示的夏普比率吗？
只有确认双方使用了相互兼容的输入和计算方式以后才可以。否则两个数字虽然长得像亲戚，实际上可能连同一个单位都没有。
最先应该看哪个指标？
先把收益率、最大回撤和夏普比率放在一起看，再检查它们背后的测试条件。没有计算口径的指标，只是一个穿着西装的数字。
资料来源
- William F. Sharpe：The Sharpe Ratio。
- Goldberg 与 Mahmoud：Drawdown: From Practice to Theory and Back Again。
- EdgePilot Research 官方代码仓库，核对日期：2026 年 8 月 21 日。
本文仅用于研究和教育，不构成投资建议。历史、模拟和回测结果都不能保证未来表现。
