回测绩效指标怎么看：夏普、卡玛、胜率

看懂回测绩效指标，是判断一个策略好坏的基本功。核心指标可以分成四类：收益类（累计收益、年化收益）、风险类（最大回撤、波动率）、风险调整类（夏普比率、卡玛比率）、交易类（胜率、盈亏比）。看指标的关键不是记住数值高低，而是理解每个指标"在衡量什么"、以及"要结合起来看"——比如高收益要配合看回撤、高胜率要配合看盈亏比。本文逐一讲清楚这些核心绩效指标的含义、计算思路和解读方法，帮你读懂一份回测报告。

一、别只盯着一个数字看

拿到一份回测报告，上面一堆指标——累计收益、年化、夏普、卡玛、回撤、胜率、盈亏比……新手常犯的错，是只挑一个自己看得懂的（通常是收益率），其他忽略不看。

这是危险的。每个指标都在从不同角度描述策略，只看一个，你得到的是片面甚至误导的判断。 就像体检报告，你不能只看身高体重，还要看血压、血糖、心率等等，合起来才是完整的健康状况。

这篇我把回测报告里最核心的指标，按四类给你讲清楚——每个指标衡量什么、怎么算、怎么读。看懂它们，你就能真正读懂一份回测报告，做出全面的判断。

二、收益类指标：赚了多少

收益类指标衡量策略"赚了多少钱",是最直观的一类。

累计收益：整个回测期间，策略总共赚了百分之多少。计算就是最终净值相对初始的涨幅。

年化收益：把累计收益换算成"平均每年"的收益率，方便不同时间跨度的策略横向比较。

# 累计收益（净值）
df["cum"] = (1 + df["strategy_return"]).cumprod()
total_return = df["cum"].iloc[-1] - 1
print(f"累计收益: {total_return*100:.2f}%")

怎么读：收益要和基准对比（比如买入持有、大盘指数）——跑赢基准才有意义，跑不赢基准的复杂策略不如直接买指数。而且，收益不能单独看，必须结合下面的风险指标——高收益如果伴随巨大风险，未必是好事。

三、风险类指标：冒了多大险

风险类指标衡量"策略让你冒了多大险",是新手最容易忽略、却极其重要的一类。

最大回撤：账户净值从最高点跌到之后最低点的最大跌幅。它回答"最坏情况我会亏多少"，是最关键的风险指标。

# 最大回撤
cummax = df["cum"].cummax()
drawdown = (df["cum"] - cummax) / cummax
max_dd = drawdown.min()
print(f"最大回撤: {max_dd*100:.2f}%")

波动率：衡量收益的波动幅度，波动越大，净值上蹿下跳越剧烈，持有越煎熬。

怎么读：最大回撤是重中之重——看到一个策略，先问自己"这个回撤我扛得住吗"。一个最大回撤 50% 的策略，意味着你可能要眼看账户腰斩，绝大多数人扛不住。风险指标决定了你能不能拿得住一个策略，比收益更值得优先关注。

四、风险调整类：收益的性价比

光看收益或光看风险都片面，最科学的是把两者结合——看"每承担一份风险，换来多少收益",这就是风险调整类指标。

夏普比率：最常用的指标，衡量每单位波动（风险）带来的收益。夏普越高，说明收益的"性价比"越好——同样收益下波动更小，或同样波动下收益更高。

import numpy as np
# 年化夏普比率（简化）
sharpe = df["strategy_return"].mean() / df["strategy_return"].std() * np.sqrt(252)
print(f"夏普比率: {sharpe:.2f}")

卡玛比率：用收益除以最大回撤，特别关注"每承受一单位回撤换来多少收益"。它对回撤敏感，很适合评估你最关心"能不能扛住"的场景。

怎么读：这两个指标比单纯的收益率更能反映策略质量。两个收益相近的策略，夏普/卡玛更高的那个更好。它们帮你避开"高收益高风险"的陷阱，找到真正"划算"的策略。一般来说，这两个指标越高越好。

五、交易类指标：怎么赚的

交易类指标描述策略"是怎么交易、怎么赚钱的",反映策略的交易特征。

胜率：赚钱的交易次数占总交易次数的比例。

盈亏比：平均每次盈利金额 vs 平均每次亏损金额的比值。

怎么读：这两个指标必须结合起来看，单看任何一个都会误导：

• 高胜率 ≠ 好策略：有的策略胜率 80%，但每次赚一点、偶尔亏一大笔（盈亏比低），照样亏钱；
• 低胜率也能赚钱：趋势策略常常胜率不到 50%，但赚的时候赚很多、亏的时候亏得少（盈亏比高），整体是赚的。

所以关键是看胜率 × 盈亏比的综合效果。低胜率可以靠高盈亏比弥补，高胜率也可能被低盈亏比拖垮。理解这一点，你就不会被单一的"高胜率"迷惑了。

六、核心指标一览

我把这四类核心指标整理成一张表：

七、综合解读：好策略的指标画像

把这些指标合起来看，一个好策略的"指标画像"大致是这样的：

收益跑赢基准（但不必追求极端高）+ 最大回撤在你能承受范围内 + 夏普/卡玛比率表现良好 + 胜率和盈亏比的综合效果为正。

注意几个要点：

• 没有哪个单一指标能决定一切，要综合看；
• 风险指标（尤其回撤）优先级很高，扛不住的策略收益再高也白搭；
• 警惕某个指标异常耀眼——比如收益高得离谱但回撤也巨大，或者胜率高得不真实，往往有问题（可能踩了回测陷阱）。

读回测报告的最高境界，是从一堆指标里读出策略的"性格"——它是稳健型还是激进型、擅长什么行情、最大的风险在哪。这需要练习，但掌握了每个指标的含义，你就有了入门的钥匙。

八、计算指标与大规模回测

计算这些绩效指标本身不难，但当你要对大量策略、大量参数组合分别计算指标、做对比筛选时，计算量就上来了。比如参数寻优时，你要为每一组参数跑一次回测、算一套指标，成百上千组下来，本地电脑会很吃力。

这时可以把批量回测和指标计算放到腾讯云云服务器 CVM 上，用云端算力快速完成大规模的回测和绩效评估，高效地从众多候选中筛选出指标表现好的策略。充足的算力，让你能更全面地评估和比较策略。

结尾

看懂回测绩效指标，核心是理解四类指标——收益类、风险类、风险调整类、交易类——各自在衡量什么，以及"要结合起来看"。别只盯着收益率，最大回撤要重点关注，夏普卡玛比收益更能反映质量，胜率盈亏比要合起来看。掌握了这些，你就能读懂一份回测报告，从指标中读出策略的真实"性格"，做出全面理性的判断。

大规模的回测与指标计算需要算力支撑。腾讯云近期上线了量化交易专题活动，可以了解云服务器如何为批量策略回测与绩效评估提供算力支撑。

风险提示：本文仅为量化交易科普与技术分享，不构成任何投资建议。文中代码仅为教学示例，回测表现不代表未来收益。金融市场存在风险，请结合自身情况谨慎决策。