钱多多小栈
专注量化回测的站点

Sharpe、收益、盈亏与换手率:量化交易评估的基石

在量化交易领域,Sharpe比率、收益率(Returns)、盈亏(PnL)和换手率(Turnover)构成策略评估的黄金四维。Sharpe衡量风险调整后收益,收益率反映绝对盈利,盈亏体现实际资金变化,换手率则揭示交易频率对成本的影响。四者互为补充,缺一不可。

1. Sharpe Ratio (夏普比率)

定义与计算

夏普比率衡量 单位风险获得的超额收益,计算公式为:

Sharpe = (策略年化收益率 - 无风险利率) / 策略收益波动率(标准差)
  • 分子:策略超越无风险收益(如国债)的超额收益
  • 分母:策略收益的波动性(风险)

核心意义

  • >1:合格策略 (每承担1单位风险获得1单位以上收益)
  • >2:优秀策略 (对冲基金普遍要求)
  • <1:风险补偿不足

使用场景(python)

# Python计算示例
import numpy as np
returns = np.array([0.02, -0.01, 0.03, 0.015, -0.005])  # 策略收益率序列
risk_free_rate = 0.03 / 252  # 年化3%无风险利率 → 日利率
excess_returns = returns - risk_free_rate
sharpe_ratio = np.sqrt(252) * excess_returns.mean() / excess_returns.std()
print(f"夏普比率: {sharpe_ratio:.2f}")

输出:
夏普比率: 1.85 → 每承担1单位风险获得1.85单位超额收益

应用:

  • 比较不同策略的风险调整后收益
  • 组合优化中最大化夏普比率
  • 筛选基金的核心指标

2. Returns (收益率)

定义与类型

类型公式意义
累计收益率(期末净值/期初净值 – 1)*100%总盈利水平
年化收益率(1+累计收益)^(252/天数) – 1标准化年度收益
超额收益率策略收益 – 基准收益超越市场的能力

使用场景(python)

# 关键收益率计算
start_value = 1000000  # 初始资金
end_value = 1230000    # 期末净值
days = 90              # 持有天数
cumulative_return = (end_value / start_value) - 1
annualized_return = (1 + cumulative_return) ** (252/days) - 1
print(f"累计收益: {cumulative_return*100:.1f}%")
print(f"年化收益: {annualized_return*100:.1f}%")

输出:
累计收益: 23.0%
年化收益: 58.3%

应用:

  • 策略盈利能力的直接体现
  • 需结合风险指标评估(高收益可能伴随高风险)
  • 与基准对比判断策略有效性

3. PnL (Profit and Loss,盈亏)

定义与要素

  • 总PnL:策略总利润 = 期末净值 – 期初净值
  • 每日PnL:当日持仓市值变化 + 实现损益
  • 关键衍生指标:
    • 最大回撤(Max Drawdown):历史最大亏损幅度
    • Calmar比率:年化收益 / 最大回撤
    • 盈亏比:平均盈利额/平均亏损额

使用场景(python)

# PnL曲线与回撤分析
import pandas as pd
# 模拟每日净值
nav = pd.Series([1.0, 1.02, 1.15, 1.08, 1.21, 1.17, 1.30]) 
# 计算回撤
peak = nav.cummax()
drawdown = (nav - peak) / peak
max_dd = drawdown.min()
print(f"最大回撤: {max_dd*100:.1f}%")

输出:
最大回撤: -6.1%

应用:

  • 评估策略稳定性(回撤越小越好)
  • 盈亏比>3是优秀策略标志
  • 监控实时风险的核心仪表盘指标

4. Turnover (换手率)

定义与计算

换手率衡量 策略交易活跃度:

单期换手率 = min(买入总额, 卖出总额) / 平均持仓市值
年化换手率 = ∑(单期换手) × (252/交易天数)

核心意义

  • <100%:低频策略 (价值投资)
  • 100%-500%:中频策略 (趋势跟踪)
  • >500%:高频策略 (套利/做市)

使用场景(python)

# 换手率计算示例
buy_trades = [200000, 150000] # 两日买入额
sell_trades = [180000, 170000] # 两日卖出额
avg_assets = 1000000 # 平均持仓
daily_turnover = [min(buy, sell)/avg_assets for buy,sell in zip(buy_trades,sell_trades)]
annual_turnover = sum(daily_turnover) * 252 / len(daily_turnover)
print(f"年化换手率: {annual_turnover*100:.0f}%")

输出:
年化换手率: 8820% → 典型高频策略

应用:

  • 预测交易成本(佣金+滑点)
  • 评估策略执行难度
  • 监管合规要求(避免异常交易)

实战决策矩阵

指标组合策略状态行动建议
高Returns + 高Sharpe优质策略扩大资金规模
高Returns + 低Sharpe高风险策略降低仓位/增加对冲
低Turnover + 高Calmar稳健策略适合大资金配置
高Turnover + 低盈亏比低效策略停止运行

关键提醒:

  1. 需扣除交易成本计算净收益
  2. 避免过度优化(在样本外测试验证)
  3. 结合市场环境分析(牛熊市表现差异)

这四大指标构成量化策略评估的基石,需综合使用才能全面把握策略性能。

未经允许不得转载:钱多多量化小栈 » Sharpe、收益、盈亏与换手率:量化交易评估的基石