最大回撤之后，策略需要赚多少才能回本？
看量化策略时，大家最先注意的通常是收益。
年化30%、累计10倍、夏普比率很高，这些数字很容易让人兴奋。但真正决定一套策略能不能长期实盘的，往往不是它最好时赚了多少，而是它最差时会亏多少，以及亏损以后需要多久才能回来。
这就是最大回撤。
最大回撤并不是普通的一次下跌。它表示在一段历史中，账户从某个净值高点跌到后续最低点时，经历过的最大百分比损失。
如果账户从100万元涨到120万元，随后跌到84万元，那么最大回撤不是16%，而是：
\[ \frac{84-120}{120}=-30\% \]
因为回撤永远相对于此前已经达到的高点计算。
亏损和回本并不对称
很多人会下意识地认为，亏损20%，以后再赚20%就能回本。
实际上，100万元亏损20%以后只剩80万元。80万元上涨20%，只能回到96万元，距离100万元还差4万元。
要从80万元回到100万元，需要上涨：
\[ \frac{100}{80}-1=25\% \]
一般来说，当回撤比例为 \(d\) 时，回到原来高点所需的涨幅为：
\[ \text{回本涨幅}=\frac{1}{1-d}-1 \]
回撤越深，需要的恢复涨幅上升得越快。
| 最大回撤 | 剩余本金 | 回到原点需要上涨 |
|---|---|---|
| 5% | 95% | 5.26% |
| 10% | 90% | 11.11% |
| 20% | 80% | 25.00% |
| 30% | 70% | 42.86% |
| 40% | 60% | 66.67% |
| 50% | 50% | 100.00% |
| 60% | 40% | 150.00% |
| 70% | 30% | 233.33% |
这张表最重要的不是记住每个数字，而是理解一个事实：控制损失不仅是少亏一点，也是在降低未来回本的难度。
50%的回撤，不只是亏掉一半
从数字看，50%的回撤意味着本金剩下一半，需要上涨100%才能回到原点。
但实盘中的困难远不止数学问题。
当策略回撤达到50%时，投资者还会面对：
- 怀疑策略逻辑是否已经失效；
- 不知道回撤还会不会继续扩大；
- 害怕追加资金后继续亏损；
- 想在最低点停止策略；
- 即使净值反弹，也可能过早减仓；
- 需要很长时间才能重新建立信心。
回测图上，50%的回撤只是一段向下的曲线。真实账户里，它可能是一年甚至数年的心理折磨。
这也是为什么“历史上最后涨回来了”并不能完全回答风险问题。投资者首先必须在回撤期间没有退出，才有机会等到后面的恢复。
最大回撤只告诉了我们最深的一次
最大回撤非常直观，但它也有局限。
它只记录历史上最严重的一次峰谷损失，却没有完整说明：
- 类似回撤发生过多少次；
- 回撤过程持续多久；
- 到达最低点以后多久恢复；
- 策略大部分时间是否都在水下；
- 最严重的一次是否只是偶然事件。
因此，不能只看一个最大回撤数字。
Chekhlov、Uryasev和Zabarankin提出的条件回撤风险（CDaR），就是希望关注一组较差的回撤，而不是只盯着历史上最差的单次结果。论文：Portfolio Optimization with Drawdown Constraints
对于个人投资者来说，不一定需要计算复杂指标，但至少应同时观察最大回撤、平均回撤、回撤次数和恢复时间。
回撤深度和回撤时间，哪个更难受？
假设有两套策略：
- 策略A最大回撤20%，三个月后重新创新高；
- 策略B最大回撤12%，但两年都没有恢复。
如果只看最大回撤，策略B似乎更安全。但从实际体验看，长期没有新高同样非常难熬。
长时间水下会产生另一种压力：看着其他策略上涨，开始怀疑自己的方法，最终在恢复前更换策略。
CFA Institute Research Foundation对美国长期市场数据的研究显示，历史上的回撤与恢复时间差异很大；严重回撤的影响可能持续多年，单看当月涨跌无法反映完整体验。研究资料：Understanding Transition Factors for Long-Term Investors
所以评价回撤至少要看两个维度：
- 深度：从高点最多亏了多少；
- 持续时间：从高点跌下来以后，多久才重新创新高。
年化收益很高，为什么仍然难以实盘？
一套策略年化收益40%，最大回撤45%，从结果上看可能非常优秀。
但实盘能否使用，还取决于收益和回撤出现的顺序。
如果先赚钱、后回撤，投资者可能仍有利润垫；如果刚投入资金就遇到历史最大回撤，体验完全不同。
回测统计把所有人的起点压缩成同一条曲线，但真实投资者进入市场的时间不同。
因此，除了年化收益和最大回撤，我还会观察：
- 任意滚动一年和三年的收益；
- 不同开始日期的持有结果；
- 最差年度和最差月份；
- 回撤发生时的市场环境；
- 盈利是否集中在少数年份；
- 新资金进入后可能经历的最差路径。
策略长期赚钱，不代表任何时间开始实盘都能获得相同体验。
降低回撤，一定会降低收益吗？
通常情况下，减少风险暴露会牺牲一部分上涨行情中的收益。
例如降低仓位、加入防守资产、设置趋势过滤和分散持仓，都可能让策略在单边牛市中跑得更慢。
但这并不意味着所有回撤控制都没有价值。
真正需要比较的是：为了减少一单位回撤，付出了多少收益代价。
可以做几组对照：
| 版本 | 年化收益 | 最大回撤 | 回本所需涨幅 |
|---|---|---|---|
| 原始策略 | 35% | 40% | 66.67% |
| 轻度风控 | 31% | 28% | 38.89% |
| 过度风控 | 18% | 22% | 28.21% |
这些数字只是示例。
如果年化收益从35%降到31%，最大回撤从40%降到28%，可能值得进一步研究。如果收益降到18%，回撤却只改善到22%，风控就可能过多。
风险控制的目标不是让回测曲线完全没有波动，而是在不破坏主要收益来源的情况下，避免损失进入难以恢复的区域。
仓位管理为什么比止损参数更重要？
很多人控制回撤时，首先想到的是寻找最好的止损线：跌5%卖、跌8%卖，还是跌10%卖？
但组合回撤不仅取决于单只标的跌多少，还取决于投入了多少仓位。
一个简单近似是：
\[ \text{组合损失}\approx\text{仓位比例}\times\text{持仓跌幅} \]
满仓持有某类高波动资产，下跌20%时，账户大约回撤20%；如果只有50%仓位，其他资金保持稳定，组合损失大约是10%。
这只是简化计算，实际还会受到相关性、再平衡和多个持仓共同变化的影响，但它揭示了一个很重要的事实：
止损决定什么时候退出，仓位决定在退出以前会受多重的伤。
如果仓位本身已经超过承受能力，再精确的止损也可能因为跳空、跌停或流动性不足而失效。
如何确定自己能够承受的回撤？
这个问题没有统一答案，但可以倒着计算。
假设最多只能接受账户亏损15%，而策略历史最大回撤为30%。暂不考虑相关性和极端偏差，仓位上限可以先粗略估算为：
\[ \frac{15\%}{30\%}=50\% \]
但历史最大回撤不等于未来最大回撤。实盘可能遇到更差情况，所以还要留出安全余量。
更稳妥的做法是：
- 使用高于历史最大回撤的压力情景；
- 计算该情景下的账户损失；
- 确认自己在这种情况下仍愿意继续执行；
- 再决定实际仓位，而不是反过来追求最高收益。
如果看到30%回撤就一定会停止策略，那么用满仓承受历史30%回撤并不合理。因为未来真正发生时，人很可能在最差的位置退出。
评价策略时，我会一起看哪些指标？
除了累计收益和年化收益，我会同时查看：
- 最大回撤；
- 回本所需涨幅；
- 最长回撤持续时间；
- 回撤修复时间；
- 最差月度和年度收益；
- 波动率、夏普比率和索提诺比率；
- 回撤发生次数；
- 不同起始日期的滚动收益；
- 实盘或模拟运行与回测的偏差；
- 极端行情下能否正常成交。
最大回撤仍然值得重视，因为它直观地描述了策略最坏的一段历史路径。但不能把它当成一个精确的未来上限。
我的理解
收益决定账户能够走多高，回撤决定投资者能不能坚持走到那里。
一套年化收益很高、但最大回撤接近50%的策略，数学上可能最终赚很多钱，实际使用时却需要承受本金减半和随后翻倍才能回本的过程。
相比继续把年化收益从30%优化到35%，把无法承受的回撤降低到能够坚持的范围，可能更有现实意义。
但也不能为了追求低回撤，把策略的主要收益来源全部过滤掉。风险控制永远是在收益、回撤和可执行性之间找平衡。
我更愿意把最大回撤理解成一张账单：它告诉我们，为了获得这套策略的长期收益，历史上最昂贵的一次代价是什么。
在决定实盘以前，应该先问自己：如果这张账单明天就送到，我还会继续执行吗？
如果答案是否定的，问题可能不在策略，而在仓位太大。
免责声明： 本文仅用于量化方法研究和个人经验交流，不构成任何投资建议。历史回测、最大回撤和模拟结果均不代表未来表现。
参考资料
- Chekhlov, A., Uryasev, S. P., & Zabarankin, M. Portfolio Optimization with Drawdown Constraints.
- CFA Institute Research Foundation. Understanding Transition Factors for Long-Term Investors.
- Van Hemert, O., Ganz, M., Harvey, C. R., Rattray, S., Sanchez Martin, E., & Yawitch, D. Drawdowns.