最大回撤是什麼？
**最大回撤（Maximum Drawdown，簡稱 MDD）**衡量的是投資組合或交易策略在某段期間內，從歷史最高點到隨後最低點的「最大虧損幅度」——以百分比表示。它是評估「你的策略在最壞情況下會讓你輸多少錢」的最直觀指標。
舉例來說：如果你的帳戶從 $10,000 漲至 $15,000（高點），然後跌回 $12,000（低點）後才重新創新高，那麼這段期間的最大回撤就是 $(15,000 - 12,000) / 15,000 = 20%$。
核心洞察： 最大回撤不僅僅是「輸了多少」——它更揭示了你需要承受多大的心理壓力和資金考驗，才能繼續堅持你的交易策略。
最大回撤的計算方法
基礎公式
``` 最大回撤 (%) = (最低點價值 - 最高點價值) ÷ 最高點價值 × 100% ```
或等同寫法：
``` 最大回撤 (%) = [-(最高點 - 最低點)] ÷ 最高點 × 100% ```
計算步驟分解（附實例）
假設你的帳戶在一年中的淨值變化如下：
| 月份 | 帳戶淨值 | 歷史最高點 | 當前回撤 (%) |
|---|---|---|---|
| 1月 | $10,000 | $10,000 | 0% |
| 2月 | $11,500 | $11,500 | 0%（新紀錄） |
| 3月 | $12,000 | $12,000 | 0%（新紀錄） |
| 4月 | $10,800 | $12,000 | -10.0% |
| 5月 | $9,500 | $12,000 | -20.8% ← 最大回撤 |
| 6月 | $10,200 | $12,000 | -15.0% |
| 7月 | $13,000 | $13,000 | 0%（新紀錄） |
在這個例子中，最大回撤為 -20.8%——發生在帳戶從最高點 $12,000 跌至最低點 $9,500 的期間。
💡 關鍵概念： 最大回撤永遠是「峰值到谷值」的路徑依賴（path-dependent）度量——它只關心最高的那個頂和最低的那個底，不關心中間經歷了多少次反彈。
為什麼最大回撤比收益率更重要？
很多人只看「總回報率」，卻忽略了一個致命問題：你能承受多大的虧損而不崩潰？
數學真相：回撤的恢復難度呈指數增長
| 最大回撤 (%) | 需要反轉才能回本的漲幅 (%) |
|---|---|
| -10% | +11.1% |
| -20% | +25.0% |
| -30% | +42.9% |
| -50% | +100%（需要翻倍才有可能） |
| -70% | +233% |
這就是為什麼最大回撤是風險管理的核心： 一個 -50% 的回撤意味著你需要賺回一倍的利潤才能回到原點——這在大多數情況下幾乎不可能。
最大回撤 vs. 其他風險指標的對比
| 指標 | 衡量什麼 | 最大回撤的角色 |
|---|---|---|
| 夏普比率 | 每单位波動率的超額回報 | 最大回撤作為分母替代（Calmar比率） |
| 索提諾比率 | 下行波動率調整後回報 | 聚焦虧損的波動性 |
| 回測年化收益 | 總體盈利能力 | 只反映「賺了多少」，不反映「承受了多大痛苦」 |
| 最大回撤 | 最壞情況下的虧損幅度 | 唯一回答：你的策略在歷史上最糟的時候會讓你輸多少？ |
Acceptable 的最大回撤範圍（參考標準）
不同類型的交易策略和投資組合，對最大回撤的接受度差異極大：
機構級別參考基準
| 策略類型 | 可接受的最大回撤 | 說明 |
|---|---|---|
| 市場中性策略 | <10-15% | 通過對沖消除方向性風險，回撤應極低 |
| 多因子量化選股 | 15-25% | Algo Lab Alpha Max 模型的回測目標範圍 |
| 長短倉股票基金 | 20-30% | 承載方向性曝險的合理回撤 |
| 趨勢跟蹤 / CTA | 20-35% | 在震盪市中回撤較大，但牛市中回報強勁 |
| 高頻交易 | <10% | 依賴大量小額交易，任何單日大虧損都不可接受 |
散戶交易者參考基準
| 風險等級 | 可接受最大回撤 | 對應策略風格 |
|---|---|---|
| 保守型 | 15% 以下 | 分散投資、低槓桿、價值投資 |
| 中等型 | 20-30% | 趨勢跟蹤、杯柄突破等技術形態策略 |
| 進階型 | 30-40% | 高槓桿、集中持倉、期權策略 |
⚠️ 重要提醒： 最大回撤低於年化收益的被視為「健康」狀態。如果你的年化回報是 15%，但最大回撤達到 40%，這代表你承受了過高的風險換取相對較低的回報——Calmar比率 = 15/40 = 0.375，在機構投資者眼中屬於不合格水平（通常要求 > 1.0）。
如何降低交易策略的最大回撤？
方法一：設定停損機制
| 停損類型 | 說明 | 預期效果 |
|---|---|---|
| 固定百分比停損 | 每筆交易虧損超過 X% 即離場（如 -5%） | 控制單筆虧損，防止大額賠錢 |
| 追蹤停損 | 價格從最高點回落 Y% 時自動賣出 | 保護既有利潤，限制回撤擴大 |
| 時間依賴停損 | 持倉超過 N 天未達預期即離場 | 減少資金沉沒成本 |
方法二：分散投資（Diversification）
- 跨資產類別： 同時持有股票、債券、商品和現金
- 跨板塊： 避免過度集中於單一產業（如科技股）
- 跨策略： 結合趨勢跟蹤 + 均值回歸等多種策略
📊 數據支持： 研究表明，將 10 個相關性低於 0.3 的策略組合在一起，可使整體最大回撤降低約 40-60%。
方法三：使用 Calmar比率進行風險調整評估
| 指標 | 公式 | 解讀 |
|---|---|---|
| Calmar比率 | 年化收益 ÷ 最大回撤 | >1.0 = 合格；>2.0 = 優秀 |
| Ulcer指數 | √(平均回撤² × 持續時間) | 越低越好，同時考慮深度和持續時間 |
方法四：定期重新評估策略
- 每月檢視： 比較當前回撤與歷史最大回撤
- 市場環境變遷： 利率變化、地緣政治事件可能改變策略有效性
- 回測更新： 將最新數據納入回測，確認策略未衰退
誰在實際使用最大回撤指標？
| 使用者類型 | 最大回撤用途 |
|---|---|
| 機構投資者 | 評估基金經理績效和風控能力的核心指標 |
| 量化選股平台 | 作為多因子篩選系統中的風險過濾條件 |
| 散戶交易者 | 衡量自身交易策略的健康程度和心理承受能力 |
| 對沖基金投資人 | 決定資金配置的關鍵依據（Calmar比率 > 1.0） |
Algo Lab 的量化回測系統會自動計算每支候選股票的預期最大回撤。當我們發布每日 Telegram 信號時，不僅告訴你「買哪支」，還會明確標示該策略在歷史回測中的最大回撤數據——讓你能夠根據自身風險偏好做出明智決定。
FAQ：常見問題
Q1：最大回撤和波動率有什麼區別？
A： 最大回撤只關注虧損面——從最高點到最低點的跌幅；而波動率衡量的是價格上下波動的整體幅度（包括上漲和下調）。一個策略可能有很高的波動率但最大回撤很低，反之亦然。
Q2：多少的最大回撤算是「安全」的？
A： 這取決於你的風險承受能力和策略類型。保守型散戶建議控制在 15% 以內；中等風險偏好者可接受 20-30%；進階交易者可能容忍 30-40%。
Q3：Algo Lab如何處理最大回撤？
A： Algo Lab的量化選股系統會自動計算每支候選股票的歷史最大回撤，並在信號生成時顯示。例如「杯柄突破策略歷史最大回撤 -18%，預期年化回報 25%」。
Q4：最大回撤能預測未來嗎？
A： 不能。最大回撤是歷史指標，反映的是過去的最壞情況。建議結合其他風控工具（如停損、分散投資）來管理實際交易中的風險。
Q5：為什麼某些策略看起來收益不錯但最大回撤很大？
A： 這通常意味著這些策略依賴高槓桿或集中持倉——在順境時回報驚人，但在逆風時也會遭受巨大虧損。例如使用10倍槓桿的策略可能年化回報達80%，但最大回撤可能達到-60%。