高阶科学评估Sharpe最大回撤策略评估量化绩效
Sharpe 和最大回撤到底哪个更重要？很多人一开始就看错指标了
分析 Sharpe 与最大回撤在量化策略评估中的不同作用，帮助研究者理解不同策略类型应该怎样看风险收益指标。
很多人看到 Sharpe 高就兴奋，看到回撤大就直接否掉策略，但这两个指标分别描述的是“单位波动收益”和“极端承受能力”，不能互相替代。
如果策略本身就是高换手、高波动、高频再平衡风格，那么它的 Sharpe、回撤和容量往往需要放在同一张图里看，脱离策略语言单独比较很容易误判。
- Sharpe 更像效率指标
- 最大回撤更像生存指标
- 两者都必须放进完整上下文判断
更稳的处理方式是什么
更稳的做法是先判断策略属于低频因子、CTA、套利还是机器学习类，再根据目标资金属性、回撤承受能力和部署场景去决定指标权重。
真正成熟的评估框架，不是选一个最喜欢的数字，而是知道不同指标分别在提醒你什么风险。
资料与阅读边界
本文为方法讨论与教学说明。文中示例不等于经独立验证的收益实证；如需具体数据、计算口径或资料来源，可通过官方渠道提出核对请求。
历史结果不代表未来表现。使用前请检查数据时间边界、样本独立性、交易成本及适用条件。
关键结论
- Sharpe 和回撤解决的是两个不同问题
- 指标必须放到策略类型和资金约束里理解
- 单看一个数字，最容易高估策略质量
关联课程
如果你想把这篇文章里的方法系统化学习，可以从这些课程继续深入。
高阶
高级策略闭环
AI量化全流程高级班
按三个阶段完成12个1小时课时，从无未来函数基准模型、动态风控和增量学习，到Transformer策略原型与AI增强传统策略；每课包含教学目标、实操任务与交付物。
¥6,999查看课程