Skip to main content
系统表现:Sharpe、Sortino、Calmar、利润因子
blog 高级 · ~2 min read

系统表现:Sharpe、Sortino、Calmar、利润因子

Sharpe、Sortino、Calmar、利润因子等指标汇总交易系统的风险调整回报,本指南讲每个指标的公式和解读。

· Lead Editor · · ~2 min read
#trading-systems#backtesting
本文为英文。需要查看中文翻译吗?

交互工具在翻译视图中可能无法使用。

系统表现:Sharpe、Sortino、Calmar、利润因子

两套系统都能年回报 20%。下面这些指标告诉你哪套是 sane 风险换来的。

为什么指标要紧

光看回报没意义。50% 回撤换来的 30% 回报,心理上没法交易,数学上也劣于 8% 回撤换来的 25% 回报。风险调整指标让你诚实比较系统,挑最可能活下去的。

1. 利润因子

最简单最直观的指标。

利润因子 = 总盈利 / 总亏损
解读
< 1.0 亏钱系统
1.0–1.2 边缘
1.2–1.5 还行
1.5–2.0
> 2.0 优秀(或过拟合)

利润因子直观但忽略时序——它不在乎利润是稳步累积还是一笔侥幸。

2. 夏普比率

量的是每单位总波动率的回报。

夏普 = (平均回报 − 无风险利率) / 回报标准差

日内/日度系统常把无风险利率设 0。

年化夏普 解读
< 0.5
0.5–1.0 可接受
1.0–2.0
2.0–3.0 优秀
> 3.0 可疑(过拟合或套利)

局限:夏普对上行波动跟下行一样罚。偶有大赚的系统看起来比实际差。

3. Sortino 比率

跟夏普像,但只罚下行波动。

Sortino = (平均回报 − 无风险利率) / 下行偏差

下行偏差只考虑低于目标(常为 0 或 MAR)的回报。

趋势跟踪系统可能:

  • 夏普 = 1.1(因上行爆发被罚)
  • Sortino = 1.8(只看下行)

不对称策略上 Sortino 比夏普诚实。Sortino 高于 2.0 稳健;高于 3.0 优秀。

4. Calmar 比率

量的是每单位最差回撤的回报。

Calmar = 年化回报 / 最大回撤
Calmar 解读
< 0.5
0.5–1.0 可接受
1.0–3.0
> 3.0 优秀

Calmar 回答:"每单位回报我忍受了多少痛?"年回报 30%、最大回撤 10% 的系统 Calmar = 3——强。

5. 最大回撤

不是比率,是个关键绝对数。权益曲线里最大的峰到谷跌幅。

  • 同时用权益的百分比R 倍数表达
  • 大多数交易员的心理极限是 20-25%
  • 超过 30% 大多数交易员会在回撤中途弃系统

6. 恢复因子

恢复因子 = 净利润 / 最大回撤

精神上跟 Calmar 像,但用净利润而不是年化回报。高于 5 优秀。

7. 每笔期望值

期望值 = (胜率 × 平均盈利) − (败率 × 平均亏损)

以 R 倍数量。主观系统每笔 0.2R 以上算稳健;高频 0.1R 可接受。

哪些指标一起用

单一指标讲不全故事。最小集:

  1. 利润因子 —— 原始盈利能力
  2. 夏普 —— 风险调整回报,罚波动
  3. Sortino —— 风险调整回报,只罚下行
  4. Calmar —— 每单位最差回撤的回报
  5. 最大回撤 —— 心理可 survivability
  6. 期望值 —— 每笔质量

系统在大多数这些上同时得分好,才算"好"。

实战对比

指标 系统 A 系统 B
年回报 30% 30%
最大回撤 25% 8%
利润因子 1.4 1.6
夏普 1.2 1.9
Sortino 1.5 2.4
Calmar 1.2 3.75

同样头条回报,截然不同的系统。系统 B 明显赢——每单位风险赚更多,回撤大多数交易员能挺过。

指标使用常见坑

  • 短样本年化:一周夏普 5.0 没意义——外推撒谎
  • 忽略样本量:30 笔出不了稳定指标
  • 只报最好的指标:测试前选指标,不是之后
  • 跨频率比:日度系统夏普不能直接跟月度比,不年化的话
  • 拿回测回撤当实盘预期:实盘回撤通常是回测的 1.5-2 倍

零售系统实操阈值

零售主观或简单系统化系统"好"的标准:

  • 利润因子 ≥ 1.3
  • 夏普 ≥ 1.0
  • Sortino ≥ 1.5
  • Calmar ≥ 1.0
  • 最大回撤 ≤ 20%
  • 每笔期望值 ≥ 0.15R

同时高于所有这些罕见;同时低于所有不可接受。


下篇:放大那个最重要的绝对数——最大回撤和恢复。

相关市场数据由 TradingView 提供。

分享:
𝕏 f in r/
·
📝

我的笔记

登录后可在本文保存笔记并与社区分享。

✓ 已核查事实 审阅人 Timi Chen, 编辑顾问 · 发布于: 2026-06-04 · 编辑政策
由 Marcus Cole 起草 · 由 Timi Chen 于 2026-06-04 审核 · 最后检查于 2026-06-04

教育内容 · 非财务建议 · 风险自担

相关内容

相关术语

下一篇推荐

trading-systemsbacktesting 2026-07-01

Trading System Development Lifecycle: Hypothesis to Deployment

A complete development lifecycle from hypothesis through testing, optimization, and live deployment with concrete gates and kill criteria at each stage.

阅读更多 →

Smart Recommendations