量化策略评估指标解析：从 Sharpe 到 Fitness

原创

已于 2025-01-16 17:21:03 修改 · 5.1k 阅读

27 ·

CC 4.0 BY-SA版权

文章标签：

#python #金融

于 2025-01-16 17:16:28 首次发布

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。