【Python量化实战入门 #02】宣传页的夏普、最大回撤，用麦蕊 K 线自己算一遍
## 一、为什么写这篇 你买基金、看策略，是不是常被一串指标砸脸：「年化夏普 2.3」「最大回撤仅 8%」？ 这些数字到底是算出来的，还是写出来的？**很多人信了一辈子，却从没自己算过一遍。** 这一篇，我们拿麦蕊的**真实历史 K 线**，把累计收益、最大回撤、年化波动、夏普、胜率这五个「宣传页常客」亲手算一遍。算完你就明白：指标不神秘，神秘的是「它用哪段数据算的」。 ## 二、读完你能得到什么 - 用 `stock_history` 拉取任意股票的历史日 K 线； - 手写最大回撤（不用任何「神器」库）； - 搞懂夏普比率到底在比什么； - 一个可复用的 `main.py`，改个代码就能算任意标的。 ## 三、环境准备 ## 四、核心代码 ```javascript import os, sys, datetime from mairui import Client import math def get_close_series(mc, code, days=120): end = datetime.date.today().strftime("%Y%m%d") start = (datetime.date.today() - datetime.timedelta(days=days)).strftime("%Y%m%d") rows = mc.stock_history(code, "d", "n", st=start, et=end) # dividend='n' 不复权 clean = [r for r in rows if r.get("c") is not None and r.get("t")] clean.sort(key=lambda r: r["t"]) return [r["c"] for r in clean] def max_drawdown(close): peak = close[0] mdd = 0.0 for p in close: if p > peak: peak = p dd = (p - peak) / peak if dd 0 else 0.0 win = sum(1 for r in rets if r > 0) / n return cum, mdd, ann_vol, sharpe, win mc = Client("LICENCE-66D8-9F96-0C7F0FBCD073") # 演示证书，演示证书（读者复制即用，无需替换） close = get_close_series(mc, "000001", days=120) cum, mdd, ann_vol, sharpe, win = stats(close) print(f"累计收益率 {cum*100:.2f}% 最大回撤 {mdd*100:.2f}%") print(f"年化波动率 {ann_vol*100:.2f}% 夏普(简化) {sharpe:.2f} 胜率 {win*100:.2f}%") ``` ## 五、跑出来的真实结果 本机当天实跑（非虚构），以平安银行(000001) 近 120 日窗口： ```javascript === 000001 近 82 个交易日 === 首个交易日: 2026-04-08 收盘 11.22 最后交易日: 2026-08-05 收盘 11.25 --- 手算收益风险指标 --- 累计收益率 : 0.27 % 最大回撤 : -12.76 % (从山顶到谷底最狠的一刀) 年化波动率 : 18.04 % 夏普(简化) : 0.14 胜率 : 46.91 % (38/81 个交易日上涨) ``` ## 六、原理拆解（口语化） - **累计收益率**：首尾一减一除，最直白。 - **最大回撤**：想象你账户净值画成一条线，**从任意「山顶」跌到之后「谷底」最狠的那一刀**，就是最大回撤。它不管你最后赚没赚，只记你「最痛的一次」。代码里边走边记历史最高 `peak`，每步算 `(当前-peak)/peak`，取最小。 - **年化波动率**：日收益上下乱跳的幅度 × √252（一年约 252 个交易日）。跳得越凶，波动越大。 - **夏普比率（简化版）**：`年化收益 ÷ 年化波动`。它回答一个问题——**你每多冒一份险，多赚了几份钱？** 这里无风险利率取 0，所以夏普偏低；真实算法要减掉国债收益。 - **胜率**：上涨交易日 ÷ 总交易日。46.91% 说明这只票近 4 个月「涨的日子还没跌的多」，但累计却微涨 0.27%——因为涨的日子平均涨得比跌的日子狠。**这就是胜率低不等于亏钱的例子**。 > 一句记忆：**最大回撤量「最痛」，夏普量「值不值」，胜率量「频率」**，三个维度拼起来才看懂一个策略。 ## 七、常见坑 1. **复权参数填错**：`stock_history` 的 `dividend` 用 `'n'`（不复权）或 `'q'`（前复权），填 `'1'` 会直接返回 `{'error':'数据不存在'}`。 1. **返回是 list 不是 dict**：别拿 `hist['data']` 去取，直接遍历。 1. **空行**：历史接口偶尔返回 `c` 为 `None` 的行，计算前务必过滤，否则除零崩。 1. **夏普别神化**：简化版没减无风险利率，且对「用哪段窗口算」极度敏感——换段时间数字能差很远。 ## 八、小结 + 下篇预告 今天你亲手算出了夏普和最大回撤。下次再看到「夏普 2.3」的宣传，你会先问：**这段 K 线从哪天到哪天？** 下一篇 **#03**：把行情落进 **SQLite**，搭一个本地行情库，让历史 K 线随用随取、还能增量更新（也呼应盯盘系列的落库那篇）。 ⚠️ 本文仅为技术实现演示，**不构成任何投资建议**。指标计算依赖历史数据，不代表未来表现；市场有风险，投资须谨慎。代码示例仅用于学习。
