【vectorbt 系列 第7讲】查看收益回撤和交易次数

1. 本节目标

第 7 讲不再新增信号规则，而是回头看第 6 讲已经跑出来的回测对象，重点回答三个最基础的问题：赚了没有、回撤大不大、交易多不多。也就是本讲标题里的收益、回撤和交易次数。

学完这一讲后，你可以直接完成下面几件事：

1. 从回测对象里取出最常用的几类结果。
2. 用尽量朴素的话解释这些结果是什么意思。
3. 初步判断一轮入门回测到底是在“有结果”还是“值得继续调”。

这是从“回测能跑”走向“回测能读”的关键一步。

2. 为什么先看这三项，而不是一次读完整份统计报告

vectorbt 的 stats() 输出会给出很多内容，但对新手来说，一开始最容易抓住、也最值得先读懂的，其实就三类：

1. 收益：这轮回测总体是涨还是跌。
2. 回撤：过程中有没有出现比较难受的下跌。
3. 交易次数：这套规则是不是太频繁，或者几乎不交易。

先把这三项看明白，有一个很现实的好处：你后面不管是换窗口、换信号，还是比较不同参数，都能用它们作为最基础的观察坐标。否则一下子面对十几项统计，新手很容易看花眼，却抓不住重点。

3. 沿用第 6 讲的 portfolio 对象

print(type(portfolio))

如果这一行都还不稳，说明你应该先回到第 6 讲，把最小回测入口重新走通。第 7 讲默认你手里已经有一个可用的 portfolio。

4. 四步查看最基础的回测结果

这一讲不再新增规则，而是把注意力放回结果阅读。下面四步分别看净值、统计、核心指标和交易记录。

5. 先看净值序列有没有明显变化

value_series = portfolio.value()
print(value_series.head())
print(value_series.tail())

这一步虽然很朴素，但它能帮你确认回测结果不是一条完全静止的线。如果净值序列从头到尾几乎不动，你至少要追问：是不是根本没交易，或者信号没有真正触发。

6. 看基础统计概览

stats = portfolio.stats()
print(stats)

不用一上来把所有字段都背下来，你当前只要重点盯住与收益、回撤、交易次数相关的那些项即可。

7. 单独取总收益和最大回撤

print('total_return =', portfolio.total_return())
print('max_drawdown =', portfolio.max_drawdown())

这两项非常适合作为第 7 讲的入门坐标。一个告诉你终点结果，一个告诉你过程中最深的回落。

8. 单独看交易记录数量

trades = portfolio.trades.records_readable
print(trades.head())
print('trade_count =', len(trades))

交易次数不是越多越好，也不是越少越好，但它能帮助你判断这套信号到底有没有真正形成交易行为。

9. 确认你读到的不是空壳结果

验证的目标不是证明结果好看，而是确认你读到的确实是一组有内容、能解释的回测结果。

10. 净值序列存在

assert len(value_series) > 0

11. 总收益可取出

total_return = portfolio.total_return()
print(total_return)

12. 最大回撤可取出

max_dd = portfolio.max_drawdown()
print(max_dd)

13. 交易记录可读

print(trades.head())

只要这几项都能顺利输出，第 7 讲就已经完成了最关键的阅读动作。

14. 为什么这些结果看着“不像我想象中那样”

第一次读回测结果时，最容易出现的落差，就是数字和自己想象中的“好策略”并不一致。先把结果读明白，比急着下结论更重要。

15. 总收益是负的

这不等于第 7 讲失败。你现在的目标不是证明策略优秀，而是学会读取结果。负收益本身也是结果，而且往往更能逼你去看信号和参数问题。

16. 最大回撤让我有点不舒服

这很正常。第 7 讲正是要让你开始意识到：终点收益不是唯一指标，过程中承受了多大回落同样重要。

17. 交易次数几乎没有

这通常提示信号很稀疏，或者样本太短。不是 bug，但它会影响你怎么理解这轮回测。

18. 交易次数特别多

这也不是自动等于好结果。它可能意味着规则过于敏感，后面比较不同窗口时就值得重点观察。

19. 哪些情况仍然算本讲完成

1. 即便当前结果并不漂亮，只要你能读出这三项，本讲就成立。
2. 你可以先只看 total_return()、max_drawdown() 和交易条数，不必全面解析整个统计表。
3. 你不必马上引入成本模型，第 7 讲先练“读结果”而不是“优化结果”。
4. 当前交易记录条数不多，不意味着回测无效，只要你能解释为什么。

20. 写一个最小结果摘要函数

def summarize_portfolio(portfolio):
    trades = portfolio.trades.records_readable
    return {
        'total_return': portfolio.total_return(),
        'max_drawdown': portfolio.max_drawdown(),
        'trade_count': len(trades),
    }

summary = summarize_portfolio(portfolio)
print(summary)

这个小函数非常适合后面做窗口比较，因为它把最常用的三项结果压缩成了一个极容易对比的摘要。

21. 第 7 讲开始建立“结果感”

前 1 到第 6 讲主要在搭输入和执行链路，第 7 讲则开始训练你对结果的第一层感觉。所谓“结果感”，不是让你一下子变成绩效分析专家，而是让你看到一组数字时，脑子里能立刻浮现几个基本判断：这轮是赚是亏、回落大不大、交易密度高不高。

这层感觉一旦建立起来，后面你比较不同窗口、不同规则时，就不会只看“最后净值谁更高”，而会自然多看几眼回撤和交易频率。这对入门者来说，是很重要的进步。

22. 本讲对下一讲窗口比较的铺垫

第 8 讲要比较 5 日和 10 日窗口，本质上就是拿两轮回测的结果放在一起看。若第 7 讲没有先建立收益、回撤和交易次数这三个基础观察点，到下一讲你就很容易只看一个结果，忽视另外两个。所以第 7 讲其实是在帮下一讲准备一把统一尺子。

23. 完成标准

如果你现在已经能从 portfolio 里稳定取出收益、最大回撤和交易次数，并用自己的话说明它们分别在表达什么，那第 7 讲就算完成。

24. 系列衔接

本讲是《vectorbt回测入门短课》的第 7/8 讲，当前主题是《查看收益回撤和交易次数》。

上一讲：第 6 讲《跑第一轮向量化回测》。

下一讲：第 8 讲《比较5日和10日窗口》。

25. 风险揭示与免责声明