程序员量化交易实战 12：回测不能只看最终收益

第 11 篇有了多标的组合回测。现在如果只看 final_equity，很容易误判策略。

最终收益高，可能是中间回撤很深；胜率高，可能是小赚大亏；交易次数太少，可能只是偶然命中。第 12 篇要把这些指标统一成一组可复用的回测评价语言。

指标是策略验收语言

回测指标不是装饰图表。

当两个策略结果不一样时，我们要知道差异来自哪里：收益、波动、回撤、交易频率、胜率还是盈亏比。

常见指标可以先按用途分开看：

指标	主要回答的问题
总收益 / 年化收益	赚了多少，换算到一年大概是什么水平
年化波动	过程是否剧烈，收益是不是靠大幅波动换来的
最大回撤	从高点到低点最多亏过多少
胜率	已平仓交易里赚钱的比例
盈亏比	平均赚钱交易和平均亏钱交易的比例
换手率	策略交易是否过于频繁

这些指标没有哪个单独决定策略好坏。复盘时更常见的是组合判断：收益高但回撤深，可能不适合真实账户；胜率高但盈亏比很差，可能是小赚大亏；换手率高但收益一般，费用和滑点一加就可能失真。

新增指标对象

第 12 章新增 app/performance_metrics.py。

@dataclass(frozen=True)
class PerformanceMetrics:
    total_return: float
    annualized_return: float
    annualized_volatility: float
    sharpe_like: float | None
    max_drawdown: float
    win_rate: float | None
    profit_loss_ratio: float | None
    trade_count: int
    turnover: float

这里叫 sharpe_like，不是严格金融教科书里的 Sharpe。因为当前还没有无风险利率输入，只是用年化收益除以年化波动，作为早期工程比较指标。

从权益曲线计算收益率

权益曲线先转成逐日收益：

def equity_returns(equity_curve: Iterable[dict[str, object]]) -> list[float]:
    values = [float(row["equity"]) for row in equity_curve]
    out: list[float] = []
    for previous, current in zip(values, values[1:], strict=False):
        if previous:
            out.append(round(current / previous - 1, 8))
    return out

有了逐日收益，年化波动就是样本标准差乘以 sqrt(252)：

variance = sum((value - mean) ** 2 for value in returns) / (len(returns) - 1)
return round(math.sqrt(variance * 252), 6)

胜率要从成对交易算

单笔买入不产生盈亏，只有买入和卖出配对后才有交易盈亏。

def trade_pnls(trades: Iterable[MiniBacktestTrade]) -> list[float]:
    pnls: list[float] = []
    open_cost: float | None = None
    for trade in trades:
        if trade.side == "buy":
            open_cost = trade.amount + trade.fee
        elif trade.side == "sell" and open_cost is not None:
            pnls.append(round(trade.amount - trade.fee - open_cost, 2))
            open_cost = None
    return pnls

这一步能避免把未平仓持仓误算成已实现胜率。

真实运行截图

第 12 篇继续使用同一个联动示例，直接读取第 11 篇组合回测的权益曲线和交易明细：

uv run python -m scripts.chapter_examples factor-backtest --source sample

真实输出如下：

这组样例的 total_return 是 0.025156，max_drawdown 是 -0.012924，turnover 是 0.39872。win_rate 和 profit_loss_ratio 是 None，因为样例里只有买入，没有完成买卖配对。这个细节很重要：没有平仓交易时，不应该硬算胜率，否则复盘会把浮盈浮亏和已实现盈亏混在一起。

本章更新与代码仓库

本章更新内容：

• 新增 app/performance_metrics.py。
• 实现总收益、年化收益、年化波动、类 Sharpe、胜率、盈亏比、换手率和交易次数。
• 新增 tests/test_performance_metrics.py，覆盖空曲线、交易配对和指标汇总。
• 补充当前主线联动示例的指标真实运行截图。
• 补充总收益、波动、回撤、胜率、盈亏比和换手率的复盘解释。

代码仓库：

https://github.com/ax2/zi-quant-platform

本章代码：

git clone https://github.com/ax2/zi-quant-platform.git
cd zi-quant-platform
git checkout chapter-12
uv sync --extra dev
uv run pytest tests/test_performance_metrics.py

第 12 章全量测试通过：176 passed，仍只有既有 FastAPI deprecation warning。

本篇小结

最终收益只是策略结果的一部分。

第 12 篇把回测评价指标变成可复用代码。后面做参数搜索和策略晋升时，不再靠“看起来收益更高”，而是用统一指标做比较。

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。