量化策略评估指标解析：从 Sharpe 到 Fitness

qq_36545573

已于 2025-01-16 17:21:03 修改

阅读量2.6k

点赞数 21

文章标签： python 金融

于 2025-01-16 17:16:28 首次发布

本文链接：https://blog.csdn.net/qq_36545573/article/details/145187690

版权

量化策略评估指标解析：从 Sharpe 到 Fitness

在量化研究平台（如 WorldQuant BRAIN）或其他量化环境中，我们往往需要衡量策略的风险和收益表现。本文将介绍常见的量化评估指标，包括夏普比率（Sharpe）、年化收益率（Returns）、换手率（Turnover）、最大回撤（Drawdown）、综合适应度（Fitness）等，并总结哪些指标是“越高越好”，哪些指标“越低越好”，以及哪些需要在实战中做综合平衡。

一、常用的核心指标

1. Sharpe（夏普比率）

定义：夏普比率衡量的是“单位风险带来的超额收益”，一般用来评估策略的风险调整后收益是否足够稳定。
[
\text{Sharpe} = \sqrt{252} \times \left(\frac{\text{平均每日PnL}}{\text{每日PnL标准差}}\right)
]

其中，252 代表一年大约有 252 个交易日。Sharpe 数值越大，说明在承受相同风险的情况下，策略获得的收益更高，表现也更稳定。

结论：越高越好。

2. Returns（年化收益率）

定义：策略在一定时间内的收益率，常以年化形式表征。
在 WorldQuant BRAIN 平台，年化收益率通常定义为：
[
\text{Returns} = \frac{\text{年化PnL}}{\text{账户本金大小的一半}}
]
由于平台默认可使用的资金规模（Booksize）是本金的 2 倍，因此“本金大小的一半”常作为分母进行收益率计算。

结论：越高越好。

3. Turnover（换手率）

定义：换手率反映策略的交易活跃度，通常定义为“交易总额 / 账户资金规模（Booksize）”。
[
\text{Turnover} = \frac{\text{交易金额}}{\text{Booksize}}
]
换手率过高意味着频繁买卖，容易带来较高的交易成本和滑点；过低则可能错失更多交易机会，需结合策略本身的频率需求做决策。

结论：越低越好（通常）。因为过高的换手率会增加交易成本，降低净收益。

4. Drawdown（最大回撤）

定义：从策略净值的最高点到其后某个最低点之间的最大亏损幅度，通常以百分比表示。
[
\text{Drawdown} = \frac{\text{最高净值} - \text{最低净值}}{\text{最高净值}}
]
最大回撤反映了策略在极端行情或连续亏损阶段下的“最坏损失”程度。

结论：越低越好。回撤小意味着策略抗风险能力更强。

5. Fitness（适应度）

定义：在许多量化平台上，适应度（Fitness）是一项综合指标，同时考虑 Sharpe、收益率以及换手率等因素。
常见定义：
[
\text{Fitness} = \text{Sharpe} \times \sqrt{\frac{\big|\text{Returns}\big|}{\max(\text{Turnover}, 0.125)}}
]
这意味着高 Sharpe、较高收益率以及较低换手率都会提升 Fitness 分数。

结论：越高越好。它在一定程度上可以视为策略的“综合得分”。

6. 其他辅助指标

PnL（盈亏）：策略在一段时间内的实际盈利/亏损金额（一般用美元计）。与收益率一样，数值越高代表越好。
单位收益（Per Dollar Profit）：每交易 1 美元能带来多少净收益，有助于衡量交易的效率。
自相关性：观察策略在不同时间或不同策略之间是否表现过于相似。高自相关可能意味着策略多样性不足。

二、各指标“好坏”总结

以下用一张表格来直观地说明哪些指标“越高越好”，哪些指标“越低越好”，以及哪些需要结合上下文做综合平衡。

指标	越高越好	越低越好	说明或综合衡量
Sharpe	✅		反映风险调整收益能力；越高表明策略越稳定
Returns	✅		表示回报大小；越高说明盈利能力越强
Fitness	✅		结合 Sharpe、Returns、Turnover 等综合评分
Turnover		✅	过高增加交易成本，通常希望尽量控制在合理范围
Drawdown		✅	反映下行风险，越低说明资金回撤更小
PnL（盈亏）	✅		盈亏绝对金额；越高说明实际盈利越大
PnL 曲线（总体形态）	✅（不断向上）	✅（回撤可控）	整体平稳上升、回撤小，是最理想的形态

可以看到，Sharpe、Returns、Fitness、PnL 等都是希望越高越好；而 Turnover 和 Drawdown 则希望越低越好。
在实际做策略优化时，这些指标往往互相牵制，比如为了提高收益率，可能需要更频繁交易从而提升 Turnover，或者为了降低回撤，可能要牺牲一些收益。因此，需要在不同指标之间找到一个平衡点。