第58页 · 预计10页
很多人评价一个套利策略好不好，只看收益率：“这个策略年化30%，厉害！那个只有15%，垃圾！”
这是非常外行的评价方式。只看收益不看风险，就像只看汽车速度不看刹车一样，迟早要出事。
评价一个套利策略，有三个核心的收益风险指标，必须结合起来看。
第一个指标：年化收益率
这是最直观的指标，就是策略一年能赚多少钱。
年化收益率的计算公式很简单：
年化收益率 = 总收益 / 总天数 × 365
但要注意：年化收益率不代表你真的能赚这么多，它是把当前的收益率换算成一年的水平，只是一个参考。
比如一个策略跑了一个月，赚了2%，年化就是24%。但不代表接下来11个月每个月都能赚2%，可能下个月就亏了。
所以看年化收益率，一定要看时间长度。跑了三五年的年化，才比较有参考价值；跑了一两个月的年化，看看就好，别当真。
对于套利策略的年化，我们一般这么划分：
第二个指标：夏普比率（Sharpe Ratio）
这是衡量策略“风险调整后收益”的核心指标，简单说就是每承担一单位风险，能获得多少超额收益。
计算公式：
夏普比率 = (策略年化收益率 - 无风险利率) / 策略年化波动率
无风险利率一般取2%左右，或者直接用0。
夏普比率越高，说明策略的性价比越高，赚同样的钱，承担的风险更小。
一般来说：
套利策略的夏普比率，普遍比方向交易策略高，因为套利的波动率低。一个好的套利策略，夏普比率应该在2以上。
很多人只看收益，觉得年化30%比20%好。但如果第一个年化30%，夏普1.0；第二个年化20%，夏普3.0。那第二个策略的质量远高于第一个，因为它更稳，你可以放心加仓位，最终实际收益可能更高。
第三个指标：卡玛比率（Calmar Ratio）
这个指标专门看回撤，衡量收益和最大回撤的比值。
计算公式：
卡玛比率 = 年化收益率 / 最大回撤
卡玛比率越高，说明策略的回撤控制越好，赚同样的钱，最大回撤更小。
一般来说：
对于套利策略，卡玛比率比夏普比率更重要。因为套利最大的风险不是日常波动，而是极端回撤。很多套利策略平时波动很小，突然来一次黑天鹅，回撤20%，那夏普比率再高也没用。
卡玛比率直接把最大回撤和收益挂钩，最能反映策略的风险控制能力。一个卡玛比率3以上的套利策略，就已经非常稳健了。
总结一下：看收益看年化，看波动看夏普，看回撤看卡玛。三个指标结合起来，才能全面评价一个策略的好坏。
不要只盯着收益率，风险调整后的收益，才是真正的收益。
如果想要一键计算策略的年化、夏普、卡玛等指标，或者对比多个策略的收益风险水平，可访问壹信因子查询平台a-sig.com，内置策略评估工具，上传交易记录就能自动生成全套评估指标。
除了收益风险综合指标，还有几个纯风险指标，也必须重点关注。
第一个：最大回撤（Max Drawdown）
就是策略历史上从最高点到最低点的最大跌幅，简单说就是最惨的时候亏了多少钱。
这是所有风险指标里最重要的一个，因为它直接决定了你能不能扛得住。
比如一个策略最大回撤10%，那你投10万，最多亏1万，大部分人都能接受。如果最大回撤30%，那投10万最多亏3万，很多人就扛不住了，会在最低点割肉。
对于套利策略，最大回撤的参考标准：
很多人做回测，只看总收益，不看最大回撤。实盘一遇到回撤，就慌了，止损在最低点，最后回测里的收益没赚到，回撤全吃到了。
所以做策略之前，先想好自己能接受多大的回撤，再选对应的策略。不要等亏了钱才发现自己承受不了。
第二个：胜率
就是盈利交易次数占总交易次数的比例。
套利策略的胜率普遍比方向交易高，因为是赚均值回归的钱，大概率是对的。
不同策略的胜率水平：
很多人觉得胜率越高越好，其实不一定。有的策略胜率很高，但每次赚的很少，亏一次就亏很多，最终还是亏钱。
比如一个策略胜率90%，每次赚1%，但亏一次亏10%。那做10次，9次赚9%，1次亏10%，最终还亏1%。胜率再高也没用。
所以胜率要结合盈亏比一起看。
第三个：盈亏比
就是平均盈利金额 / 平均亏损金额。
比如平均每次赚2%，亏的时候每次亏1%，盈亏比就是2:1。
对于套利策略，因为胜率高，盈亏比一般不需要太高，1.5:1以上就可以。如果胜率能到80%，盈亏比1:1也能赚钱。
胜率×盈亏比 > 1，这是策略盈利的基本条件。这个数值越大，策略的期望收益越高。
第四个：资金容量
就是这个策略最多能容纳多少资金，还能保持收益水平不下降。
资金容量是套利策略很重要的一个指标，很多策略小资金的时候收益很高，资金一大就不行了，因为滑点变大了，冲击成本高了。
不同策略的资金容量差异很大：
个人投资者的话，一般资金量都不会超过容量上限。但如果资金量比较大，就要考虑策略的容量问题，不要把太多钱放在容量小的策略里，会拉低整体收益。
这四个风险指标，最大回撤是核心，胜率、盈亏比是细节，资金容量是边界。
选策略的时候，先看最大回撤能不能接受，再看收益合不合理，再看胜率盈亏比是否健康，最后看资金容量够不够你的资金。
按这个顺序来，不会错。
几乎所有交易者都会遇到一个问题：回测看起来很美好，实盘跑起来差很多。
这很正常，因为回测是理想环境，实盘是现实环境。两者之间的差异，主要来自三个方面。
第一：滑点差异
回测里你可以按理想价格成交，实盘里有滑点。
别小看这千分之几的滑点，套利策略本来收益就薄，一圈交易下来，买卖两次，滑点就可能吃掉一半的利润。
比如跨所套利，一次套利空间0.4%，回测里扣除手续费0.1%，赚0.3%。实盘里滑点0.15%，再加上转账费，实际就赚0.1%，差了两倍。
越是高频的策略，滑点的影响越大。日线级的策略影响小，分钟级、tick级的策略，滑点可能是决定盈亏的关键。
我们的经验是：回测的时候，至少要把滑点设为实盘平均滑点的1.5倍，留足安全边际。回测在加了滑点之后还能赚钱，实盘才有可能赚钱。
第二：手续费差异
很多人回测的时候手续费设得很低，或者干脆不设，实盘才发现手续费比想象的高。
壹信量化的手续费看起来不高，万分之几，但套利交易是双边的，买一次卖一次，就是两倍手续费。如果是高频策略，一天交易好几次，手续费累积起来非常可观。
比如网格套利，一天成交10次，每次手续费万二，双边就是万四，一天就是千四，一个月就是百分之十几，很多网格策略回测赚钱，实盘亏钱，核心就是手续费没算够。
还有一些隐性成本，比如合约的资金费率、持仓费、借款利息，很多人回测的时候都忽略了，实盘才发现每天都在扣钱。
所以回测的时候，一定要把所有的成本都算进去，宁可多算，不能少算。
第三：流动性冲击成本
回测的时候默认你想买多少就能买多少，想卖多少就能卖多少，不会影响价格。
但实盘里，你的订单会对市场产生冲击，尤其是资金量大的时候。你一买，价格就被你拉高了；你一卖，价格就被你砸低了。这就是流动性冲击成本。
比如你有100万U，做小币种的跨所套利，你一买就把价格拉涨0.5%，一转过去卖，又把价格砸跌0.5%，来回1%就没了，本来的套利空间直接被冲击成本吃掉。
资金量越大，冲击成本越高。这也是为什么策略有资金容量的原因。
小资金的时候不用太考虑这个问题，资金量大了，就必须考虑冲击成本，分批下单，降低影响。
除了这三个主要差异，还有很多其他因素：比如网络延迟、订单成交概率、平台系统稳定性、极端行情流动性枯竭……
所以永远不要期望实盘收益能达到回测水平。一般来说，实盘收益能到回测的60%-80%，就已经算做得很好了。
如果有人跟你说他的策略回测年化50%，实盘也能到50%，要么是骗你，要么是没跑多久。
我们统计了自己团队6套策略的回测与实盘对比，数据如下（2024年全年）：
| 策略 | 回测年化 | 实盘年化 | 实盘/回测比例 | 最大回撤（回测） | 最大回撤（实盘） |
|---|---|---|---|---|---|
| 期现套利 | 16.5% | 13.2% | 80% | 3.2% | 4.1% |
| 资金费率 | 28.3% | 21.7% | 77% | 6.5% | 7.8% |
| 跨所套利 | 42.1% | 29.5% | 70% | 8.2% | 10.5% |
| 配对套利 | 35.6% | 25.9% | 73% | 9.1% | 11.3% |
| 网格套利 | 52.4% | 34.8% | 66% | 12.5% | 16.7% |
| 事件驱动 | 单次12% | 单次9% | 75% | 10.3% | 12.8% |
可以看到，越是低频、越稳健的策略，实盘和回测的差异越小；越是高频、越激进的策略，差异越大。
这也是为什么我们一直强调，不要迷信回测收益，打个六七折才是真实的预期。
做量化最容易犯的错误，就是过拟合。
什么叫过拟合？就是你为了让历史回测结果好看，把参数调来调去，最后策略完美适配了历史数据，但一到实盘就失效。
就像考试的时候，你把答案都背下来了，考了满分，但换一套新题就不会了。
过拟合是量化交易者的头号敌人，很多人花了几个月优化出来的策略，实盘跑两个月就废了，都是因为过拟合。
怎么避免过拟合？分享几个我们常用的方法：
方法一：参数极简原则
策略的参数越少越好，越简单越好。参数越多，越容易过拟合。
一个套利策略，如果有五六个参数需要调，那大概率会过拟合。最好的策略，参数不超过三个，逻辑简单清晰。
比如网格套利，核心参数就两个：区间上下限、网格数量。再多就没必要了。
简单的策略，虽然历史收益不是最高的，但鲁棒性强，在不同的市场环境下都能活下来，长期来看反而更赚钱。
方法二：样本外测试
把历史数据分成两部分，一部分用来训练策略、调参数，叫训练集；另一部分不用来调参，专门用来测试，叫测试集，也就是样本外数据。
比如你有三年的数据，用前两年做训练集，调参数；最后一年做测试集，完全不碰，验证策略效果。
如果训练集表现很好，测试集表现也不错，说明策略有效；如果训练集很好，测试集很差，说明过拟合了。
这是检验过拟合最有效的方法。很多人从来不做样本外测试，用全部数据调参，那结果肯定好看，但没用。
方法三： Walk Forward 滚动检验
就是滚动训练、滚动测试。比如每半年调一次参数，然后用接下来一个月做测试，不断滚动。
这种方法最接近实盘的情况，因为实盘里你也是用历史数据调参数，然后用在未来。
滚动检验的表现如果稳定，说明策略的有效性是可持续的。
除了过拟合，还有一个常见的误区：幸存者偏差。
什么叫幸存者偏差？就是你只看到了存活下来的成功案例，没看到死掉的失败案例，所以误以为成功率很高。
比如很多人说“某某套利策略很赚钱”，但他只看到了赚钱的人，没看到更多亏钱的人。再比如很多人晒自己的策略收益，只晒赚钱的时间段，亏钱的时间段不说。
怎么避免幸存者偏差？
第一，不要只看成功案例，也要看失败的案例，了解策略的风险在哪里。
第二，看策略的表现，要看完整的周期，至少经历一轮牛熊，不能只挑一段赚钱的行情看。
第三，不要相信个例，要看大样本。一个人赚钱不代表策略有效，一群人都能赚钱才说明策略有效。
最后总结一下：一个好的套利策略，不是回测收益最高的那个，而是逻辑清晰、参数简单、样本外表现稳定、风险可控的那个。
慢一点没关系，稳一点才能走得远。
策略对比的正确姿势
对比两个策略好坏，不要只比收益率，要在相同的最大回撤下比收益，或者相同的收益下比回撤。
比如策略A年化30%，最大回撤10%；策略B年化20%，最大回撤5%。看起来A收益高，但B的卡玛比率是4，A是3，B的风险收益比更好。你可以给B加一倍杠杆，年化变成40%，最大回撤10%，就全面优于A了。
套利策略的优势就是稳，适合加杠杆。所以风险调整后的收益，比绝对收益更重要。
实盘验证的五步走
一个策略从回测到实盘全量，建议分五步走：
策略失效的识别信号
出现这三个信号，说明策略可能失效了：
本章内容节选自壹信量化原创书籍《套利6+1》，更多策略评估与验证方法，可登录intoquant.com查阅完整内容。
本章完。第一篇的底层基石到这里就结束了。从下一章开始，我们进入第二篇核心战法，逐个拆解6大套利策略，从原理到实操，从风险到优化，手把手教你落地。
⚠️ 风险提示：本书内容仅为量化研究与知识分享，不构成任何投资建议。套利交易存在基差、费率、流动性、平台与极端行情等风险，历史表现不代表未来收益。投资有风险，入市需谨慎，请自主决策、量力而行。
💡 键盘 ←/→ 翻章 · T 键切换目录