回撤
什么是回撤？
回撤是衡量从前期高点到后期低点下降幅度的指标。简单来说：它告诉你某项资产在达到峰值后下跌了多少。
在交易环境中，“某项资产”通常指账户价值、权益曲线（包含未平仓头寸影响的账户价值）或由你选择的测量规则定义的其他表现序列。关键概念在于，回撤是将后期的最低点与前期的最高点进行比较，而不是与固定参考值进行比较。
回撤通常以两种形式讨论：
- 绝对回撤：价值的下降（例如，账户货币单位的减少）。
- 百分比回撤：以峰值价值的分数或百分比表示的下降。
回撤的工作原理（机制与测量）
回撤通过一个峰值和一个谷底来计算。
-
识别峰值 峰值是在选定时间段内，根据所选价值序列（如权益）定义的最高观测值。“最高观测值”取决于你采样时间的方式（每笔报价、每日收盘、每月数据点等）。
-
找到峰值之后的谷底 在峰值出现后，谷底是在序列再次达到新高之前（或在时间段结束前）观测到的最低值。
-
计算下降幅度
- 绝对回撤 = 峰值价值减去谷底价值。
- 百分比回撤 = （峰值价值减去谷底价值）除以峰值价值。
- 决定如何处理多次下跌 一个时间序列可能经历多个峰值和谷底。根据方法不同：
- 你可能记录一个周期内的最大单次下跌。
- 或者你可能构建一个回撤曲线，持续追踪从最近峰值开始的回撤。
这些步骤带来两个实际后果：
- 回撤数值只有在说明测量规则时才有意义。
- 如果计算窗口、峰值定义或数据采样发生变化，相同的账户行为可能产生不同的回撤结果。
回撤与风险的关系
回撤常被用作风险描述，因为较大的回撤可能降低承受进一步不利波动的能力。然而，回撤在严格意义上并不等同于“风险”。
回撤作为风险度量存在局限性的几个原因：
- 它是向后看的：回撤描述的是已经发生的情况。
- 它不解释因果关系：你可以因不同原因达到较大的回撤（例如，头寸规模选择、风险集中或执行结果）。
- 它将复杂行为压缩为一个数字：路径很重要。两种情景可能有相似的最大回撤，但下跌和恢复的序列却大不相同。
主要局限性、不确定性及需要验证的内容
由于回撤依赖于选择，独立验证需要你检查定义。
1) 价值定义（权益 vs. 余额 vs. 已实现盈亏） 如果序列包含未平仓头寸（权益），回撤可能在头寸平仓前就出现。如果序列仅使用已实现余额，回撤看起来会不同。需明确使用的是哪个序列。
2) 时间窗口与起始峰值 “过去12个月”的最大回撤可能不同于“自开始以来”的最大回撤。此外，起始峰值可能影响结果：如果你在前期高点之后才开始测量，可能会低估真实的历史回撤。
3) 百分比 vs. 绝对值表述 百分比回撤在不同规模的账户之间更具可比性，而绝对回撤则与货币影响相关。两者都可能提供信息，但可能导致不同的解释。
4) 回撤深度不保证恢复速度 深度回撤可能快速或缓慢恢复。如果你关心恢复情况，需要额外的度量（如恢复时间），因为回撤本身并不指定持续时间。
5) 数据质量与采样 缺失数据点（例如，使用每日收盘价而非日内数据）可能低估谷底，扭曲峰谷测量。验证应包括所用数据的粒度。
回撤期间常见的风险（概念性）
回撤是一个描述性指标，但下跌时期常伴随操作和市场压力。可能导致或放大回撤的典型风险因素包括：
- 杠杆敏感性：更高的杠杆可能增加权益波动。
- 执行与点差变化：不利的执行可能加剧谷底。
- 头寸集中与相关性：对相似市场驱动因素的暴露可能同步变动。
- 行为压力与决策质量：虽然无法仅从回撤中度量，但压力下的决策可能影响结果。
这些观点并非证明每次回撤都由这些因素引起；它们是解释回撤发生原因时应考虑的类别。
解读回撤的实用方法（避免过度推断）
一种有用的方法是将回撤视为定义明确的历史度量，而非对未来表现的承诺。解读应基于计算规则和底层序列可验证的内容。
如果你想进行比较，应关注一致性：
- 使用相同的回撤类型（绝对值 vs. 百分比）。
- 使用相同的价值序列和采样方法。
- 应用相同的时间窗口和峰值/结束规则。
你也可以将回撤与相关概念联系起来，例如最大回撤、百分比回撤和账户层面的风险框架。更多相关内容，请参见：
相关概念：恢复与持续时间
回撤深度描述谷底相对于峰值的低点。恢复描述序列如何回升至或超过前期高点。两个深度相似的回撤可能有截然不同的恢复行为。