2.4 三维回撤：深度 / 时长 / 频率¶
"最大回撤"是一个数字，但回撤的"痛"是三维的。
-10% 单次回撤 vs -10% 来回挣扎 12 个月 vs 一年内 5 次 -5% 回撤 —— 看似都"-10%"，实际投资体验天差地别。
一、为什么"最大回撤"不够用¶
1.1 单一指标的盲区¶
最大回撤（MDD）告诉你：从历史峰值到谷底的最大跌幅。
它不告诉你： - 多久才能修复？ - 有多少次类似回撤？ - 回撤过程中有多少次"假修复"再砸盘？ - 回撤时段管理人做了什么调整？
1.2 三个真实场景¶
场景 A：基金 -10% 单次回撤，3 个月内修复 → 投资人体验：还好，痛过就过去了 场景 B：基金 -10% 单次回撤，18 个月才修复 → 投资人体验：怀疑人生，赎回率高 场景 C：基金一年内 6 次 -8% 回撤，反复折腾 → 投资人体验：心理崩溃，失去信任
最大回撤都"差不多"，但实际心理冲击天差地别。
1.3 三维回撤模型¶
为完整衡量回撤，需要看：
| 维度 | 含义 | 关键指标 |
|---|---|---|
| 深度 | 回撤幅度 | Maximum Drawdown |
| 时长 | 回撤持续时间 | Drawdown Duration |
| 频率 | 多久来一次回撤 | Drawdown Frequency |
三个维度都达标的策略才是真稳健。
二、维度 1：深度（Drawdown Depth）¶
2.1 严格定义¶
最大回撤（Maximum Drawdown, MDD）：
计算示例：
| 时间 | 净值 | 历史峰值 | 当时回撤 |
|---|---|---|---|
| 0 | 1.00 | 1.00 | 0% |
| 1 | 1.10 | 1.10 | 0% |
| 2 | 1.05 | 1.10 | -4.5% |
| 3 | 0.90 | 1.10 | -18.2% ← 最大回撤 |
| 4 | 0.95 | 1.10 | -13.6% |
| 5 | 1.10 | 1.10 | 0% |
MDD = -18.2%，发生在第 3 期。
2.2 不同策略的深度阈值¶
| 策略类别 | 优秀 | 合格 | 警惕 | 红线 |
|---|---|---|---|---|
| 股票主观多头 | < 15% | 15-25% | 25-35% | > 35% |
| 量化指增（绝对） | < 20% | 20-30% | 30-40% | > 40% |
| 量化指增（超额） | < 5% | 5-8% | 8-12% | > 12% |
| 市场中性 | < 3% | 3-5% | 5-8% | > 8% |
| CTA 趋势 | < 15% | 15-25% | 25-35% | > 35% |
| CTA 套利 | < 5% | 5-8% | 8-12% | > 12% |
| 套利类 | < 3% | 3-5% | 5-8% | > 8% |
| 宏观对冲 | < 10% | 10-15% | 15-20% | > 20% |
2.3 深度的"复利毁灭"¶
关键真理：回撤的恢复成本是非线性的。
| 回撤幅度 | 恢复需要 |
|---|---|
| -5% | +5.3% |
| -10% | +11.1% |
| -15% | +17.6% |
| -20% | +25.0% |
| -25% | +33.3% |
| -30% | +42.9% |
| -35% | +53.8% |
| -40% | +66.7% |
| -50% | +100% |
| -60% | +150% |
| -70% | +233% |
| -80% | +400% |
| -90% | +900% |
实战意义： - 一次 -50% 回撤需要 +100% 才能恢复 - -50% 之前的复利全部抹平 - 这是为什么大回撤是策略的"复利杀手"
2.4 深度的"市场上下文"¶
单看回撤幅度无意义，必须对照同期基准。
实例：
某主观多头 2022 年回撤 -25%，看起来糟糕。但： - 沪深 300 同期 -22% - 偏股基金指数同期 -20% - 同类排名前 50%
判断：跟着市场跌，没控制力（只是不比同行差）。
某主观多头 2022 年回撤 -10%，看起来一般。但： - 沪深 300 同期 -22% - 偏股基金指数同期 -20% - 同类排名前 5%
判断：真有控制力（少跌 10-12%）。
永远要看"超额回撤"，不只是"绝对回撤"。
三、维度 2：时长（Drawdown Duration）¶
3.1 严格定义¶
回撤时长（Drawdown Duration）：从历史峰值到再创新高所需的交易日数。
计算示例（接前文）：
| 时间 | 净值 | 状态 |
|---|---|---|
| 1 | 1.10 | 历史峰值 |
| 2-4 | < 1.10 | 处于回撤中 |
| 5 | 1.10 | 修复完成 |
回撤时长 = 5 - 1 = 4 个交易日。
3.2 不同策略的时长阈值¶
| 策略类别 | 优秀 | 合格 | 警惕 | 红线 |
|---|---|---|---|---|
| 股票主观多头 | < 6 月 | 6-12 月 | 12-18 月 | > 18 月 |
| 量化指增 | < 3 月 | 3-6 月 | 6-9 月 | > 9 月 |
| 市场中性 | < 1 月 | 1-2 月 | 2-3 月 | > 3 月 |
| CTA | < 6 月 | 6-12 月 | 12-18 月 | > 18 月 |
| 套利 | < 1 月 | 1-2 月 | 2-3 月 | > 3 月 |
| 宏观对冲 | < 6 月 | 6-12 月 | 12-18 月 | > 18 月 |
3.3 时长的"心理崩溃"曲线¶
研究表明（行为金融）： - 投资人对回撤时长的耐受度有阈值 - 超过 6 个月的回撤，赎回压力指数级上升 - 超过 12 个月的回撤，70% 投资人会赎回
实战意义： - 即使 MDD 只有 -10%，如果 18 个月修复不了，LP 早已弃船 - 修复速度 > 回撤幅度（在投资人体验上）
3.4 时长与策略的天然关系¶
长持仓周期策略（主观多头、长周期 CTA）： - 回撤时长天然较长（半年到一年正常） - LP 需要有耐心
短持仓周期策略（量化指增、市场中性、套利）： - 回撤时长应该短（几周到几个月） - 长回撤 = 策略失效信号
3.5 "假修复"问题¶
情况：净值反弹 80% 后再砸盘，又回到深谷。
示例： - 净值从 1.0 跌到 0.85 → 反弹到 0.95 → 又跌到 0.80 → 修复到 1.0 - "回撤时长" = 从初始峰值到最终修复的总时间 - 过程中的"假修复"对投资人极痛苦
指标： - 回撤期间的反弹次数（5 次以上 = 折磨度高） - 回撤期间的最大反弹幅度（80% → 50% 是强折磨）
四、维度 3：频率（Drawdown Frequency）¶
4.1 严格定义¶
回撤频率（Drawdown Frequency）：单位时间内回撤事件的次数。
回撤事件定义（业内常用）： - 回撤超过 5%（中等回撤） - 回撤超过 3%（小回撤）
示例：一年内有 3 次 > 5% 回撤 → 频率 = 3 次/年
4.2 不同策略的频率阈值¶
| 策略类别 | 年内 > 5% 回撤次数 |
|---|---|
| 股票主观多头 | 0-2 次 |
| 量化指增（超额） | 0-1 次 |
| 市场中性 | 0 次（异常） |
| CTA 趋势 | 1-3 次 |
| CTA 套利 | 0-1 次 |
| 套利类 | 0 次 |
| 宏观对冲 | 0-1 次 |
4.3 频率与策略稳定性¶
高频回撤的两种含义：
含义 1：策略本身波动大（CTA 趋势）¶
- 趋势策略本来就有"震荡期连续止损"
- 高频回撤是策略设计的一部分
- 看 Calmar / Sortino 整体评估
含义 2：策略不稳定¶
- 信号失效频繁
- 每次都被市场打脸
- 策略需要重大改进
判断： - CTA 趋势：1-3 次/年是正常 - 量化指增 / 中性：> 2 次/年 = 警惕
4.4 频率与"心理疲劳"¶
研究表明： - 频繁小回撤比单次大回撤更折磨投资人 - 心理学称为"持续应激" - LP 看到产品"反复回撤" → 失去信心 → 赎回
这是为什么 Ulcer Index（卷二 2.2）重要：捕捉"持续被折磨"的体验。
五、三维回撤的综合判断¶
5.1 三维矩阵¶
理想策略画像（中性 / 套利）：
| 维度 | 数值 |
|---|---|
| 深度（MDD） | < 3% |
| 时长 | < 1 个月 |
| 频率 | 几乎无 |
典型 CTA 趋势画像：
| 维度 | 数值 |
|---|---|
| 深度（MDD） | 15-25% |
| 时长 | 6-12 月 |
| 频率 | 1-3 次/年 |
正常股票多头画像：
| 维度 | 数值 |
|---|---|
| 深度（MDD） | 20-30% |
| 时长 | 6-18 月 |
| 频率 | 0-2 次/年 |
5.2 三维问题诊断¶
问题 1：深度大 + 时长长 + 频率低 - 一次性大灾难 - 例：2008 年金融危机一次性回撤 - 处理：看是否能修复，看管理人是否吸取教训
问题 2：深度小 + 时长短 + 频率高 - 频繁折腾 - 例：高换手策略在震荡市 - 处理：可能是策略设计本身，但要看 Ulcer Index
问题 3：深度大 + 时长长 + 频率高 - 全方位崩坏 - 例：策略失效 + 风格反转 + 杠杆失控 - 处理：立即退出
问题 4：深度小 + 时长短 + 频率低 - 完美策略画像 - 例：优秀的市场中性 / 套利 - 处理：重点配置
5.3 三维回撤的可视化¶
实战工具：用 QuantStats 库的 quantstats.reports.html() 自动生成回撤分析图：
- 回撤曲线图（Underwater Plot）—— 直观看深度和时长
- 回撤分布图 —— 看频率
- 回撤期间表（按时间排序的所有回撤事件）
六、回撤的"上下文化"分析¶
6.1 回撤期间的市场环境¶
永远问：回撤时整体市场怎么样？
实例分析：
| 场景 | 产品回撤 | 市场环境 | 结论 |
|---|---|---|---|
| 2022 年 3 月 | -10% | 沪深 300 -10%，全市场普跌 | 跟随市场，正常 |
| 2024 年 1-2 月 | -10% | 沪深 300 持平，微盘 -30% | 对小盘暴露过大 |
| 2024 年 9 月 | -10% | 量化集体回撤 5-15% | 行业拥挤踩踏 |
| 2018 年 10 月 | -15% | 沪深 300 -7% | 跑输市场，问题 |
判断： - 市场跌产品也跌 → 市场原因 - 市场不跌产品跌 → 策略原因（更严重）
6.2 回撤的归因¶
询问管理人：
- 回撤原因：风险事件 / 风格反转 / 信号失效 / 模型故障 / 流动性危机？
- 应对决策：被动持仓 / 减仓 / 加仓 / 调整模型？
- 复盘反思：吸取了什么教训？做了什么改进？
判断管理人成熟度：
- 不能解释回撤原因 = 不懂自己的策略
- 解释合理但没改进 = 不会进化
- 认错 + 改进 = 成熟管理人
6.3 回撤后的"真正考验"¶
回撤期间不可怕，回撤后的恢复期才是真正考验：
- 是否反思 + 改进？
- 是否继续坚持原策略（信念坚定）？
- 是否在低点加仓（逆向勇气）？
经典案例（彬元中性 1 号）：
- 2025-10-10 ~ 10-20 国庆基差异常期回撤 -2.15%
- 11 天恢复创新高
- 回撤时长极短，恢复迅速 → 优秀回撤管理
经典反例（涌涵峰云 1 号）：
- 2023 年油脂回撤 -33%
- PPT 美化为 -6.92%
- 团队反思 → 引入风控 → Phase 2 修复
- 如果没有风控引入，会反复犯同样错误
七、回撤的"骗术"¶
7.1 净值平滑掩盖回撤¶
操作：月度披露净值时，挑"漂亮日"做月底净值。
结果：月度数据看不出真实回撤。
识别：要日频净值。
7.2 选择性时间窗口¶
操作："最近 12 个月零回撤"，但成立 24 个月，前 12 个月有 -15% 回撤。
识别：要成立以来全部时间序列。
7.3 "回撤"定义模糊¶
操作："回撤"用周度/月度数据算（数字小），但实际日内回撤大得多。
识别：明确"回撤"定义（峰值-谷值），用日频数据。
7.4 用"产品 A 的回撤" 替代 "产品 B 的回撤"¶
操作：管理人有 10 只产品，挑回撤最小的那只展示。
识别：要看所有同策略产品的回撤分布。
7.5 "对冲掉回撤"的销售话术¶
操作：销售时说"我们用对冲工具几乎没有回撤"。
真相： - 真严格中性策略回撤天然小，但绝对收益也小 - 高收益策略不可能没有回撤 - "高收益 + 零回撤"是悖论
八、回撤的"使用手册"¶
8.1 评估管理人时¶
必看： 1. MDD（最大回撤） 2. 回撤时长 3. 超额回撤（相对基准） 4. 回撤频率（年内 > 5% 次数） 5. 历次回撤的归因
强烈建议： - 用 QuantStats 生成 HTML tearsheet（自动包含回撤分析） - 看回撤曲线图（Underwater Plot）
8.2 监控持仓时¶
触发警报： - 回撤超过历史 MDD × 80% → 关注 - 回撤超过历史 MDD → 减仓 30-50% - 回撤时长超过历史平均的 2 倍 → 减仓 / 退出 - 年内回撤 > 5% 次数超过历史 + 1 → 减仓
8.3 决策模板¶
看到一个产品的回撤数据：
Step 1: 确认回撤的"完整定义"
- 用什么频率算？日频还是月频？
- 用哪一只产品？同策略平均还是挑一只？
- 用什么时间窗口？
Step 2: 对照同期市场
- 沪深 300 / 偏股基金指数 / 同类策略中位数
Step 3: 三维评估
- 深度：多深？
- 时长：多久？
- 频率：多少次？
Step 4: 对照策略类型
- 该策略的"正常"回撤画像？
Step 5: 追问归因
- 管理人能讲清楚为什么吗？
- 有没有改进？
九、一句话总结¶
回撤 = 三维的痛
我们不能因为"最大回撤数字小"就以为风险小。
三维评估的 3 个第一性原理：
- 深度 + 时长 + 频率三维同看：单一维度容易被骗
- 必须对照市场环境：跟着跌 vs 自己跌完全不同
- 必须追问归因：能解释回撤原因 + 有改进 = 成熟管理人
最硬的两个追问（看到任何回撤数据时自问）：
- "如果用日频数据 + 完整时间序列 + 同期市场对照，回撤数字还是这样吗？" —— 多半不是
- "管理人能解释每一次回撤的原因，并讲出后续改进吗？" —— 不能 = 不懂自己的策略
记住：回撤的"痛"不是算出来的，是 LP 经历过的。
我们做 FOF 是为 LP 管钱，LP 的体验比数学指标更重要。
最大回撤 -10% 但 18 个月修复不了 → LP 早就赎回 → "理论上的小回撤"在实战上是灾难。
好的回撤管理 = 浅 + 短 + 少 + 可解释 + 有改进。