详解如何使用python计算一只股票的最大回撤率?
一、什么是最大回撤率?
最大回撤率:在选定周期内任一历史时点往后推,产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤用来描述买入产品后可能出现的最糟糕的情况。最大回撤是一个重要的风险指标,对于对冲基金和数量化策略交易,该指标比波动率还重要。
看了还有点懵,我们来划重点:
1)比较的是某一个时刻以及往后推的任意时刻,不是两个任意时刻相比较。
2)最大回撤率是一个比值。是某一时间段内:(最高-最低)/最高的比值。
3)最大回撤是计算出所有的回撤值后,取一个最大值。
4)最大回撤的波峰与波谷,不一定是该统计周期内的价格的波峰和波谷
二、开始计算
开始之前先使用numpy.ufunc.accumulate,该函数可以累计将运算符应用于所有元素的结果。举例子看一下:
1)现在有一个列表,list_a = [0, 2, 1, 3, 4, 5, 8, 7, 6, 5, 9]
2)使用np.maximum.accumulate(list_a ),将获得list_cu:[0 2 2 3 4 5 8 8 8 8 9]。可以看出来,这是按照列表的逐个元素遍历得到的最大值。
3)计算回撤的最大值list_cu - list_a即为中每个时间节点的回撤值。这里等于:
4)获取最大回撤比值(list_cu - list_a)/list_cu。这是最大的回测值就计算出来了。
5) index = numpy.argmax()返回最大值的索引。这也就是最大回撤的时间点。
6)计算获取最大回撤的时间点: numpy.argmax(list_a[:index])
就先到这里了。只是为了阐述最大回撤的计算方式,具体的股票数据的计算,后面找时间再更新~~
注1:
np.maximum.accumulate()等价于一下操作:
r = np.empty(len(A)) t = op.identity # op = the ufunc being applied to A's elements for i in range(len(A)): t = op(t, A[i]) r[i] = t return r