在做策略回測時，除了考量報酬外，風險的考量更是重要。有些策略可以為我們帶來很高的報酬，但過程中同時也有可能要忍受巨大的風險，比方說過程中虧損超過70%，或是連續1年以上都是不賺錢的等等。因此，在採用一個策略前，了解策略的風險屬性是非常重要的。我們必須選擇適合自己風險忍受程度的策略，才能夠享受到策略最後甜美的果實，不然有很大的機會，策略的精神尚未顯現，我們已經因虧損超過我們的忍受程度而停損出場，最後與甜美的果實擦肩而過。話不多說，本支影片簡單介紹最大跌幅的計算方式，並分享如何在Python中有效率的實作最大跌幅回測。
什麼是最大跌幅?
最大跌幅(Max Drawdown)只的是投資組合(或標的)從最高點跌落至最低點的下跌百分比。在一張走勢圖上，我們可以透過肉眼快速地找出高低點，進而計算最大跌幅。然而在程式中，如果直接取區間最大跟區間最小，可能會出現最高值出現在最小值後面的問題，表示這段期間標的是在成長而非下跌。為了解決這樣的問題，我們便會透過累積報酬的轉換來計算最大跌幅。
$$MDD=\frac{1+r}{cummax(1+r)}-1$$
其中，r指的是累計報酬率。
如何在Python中計算最大跌幅?
整體而言，我們依照上述公式寫進python裡，並包裝成function的形式以方便後續的使用。詳細過程解說歡迎參考影片，這邊我們直接來看到最後的程式碼部分。
首先，第一步，我們一樣要引入pandas模組。
import pandas as pd
接下來，在計算最大跌幅的部分，我們會利用累積報酬率來找到最高點，並用上述公式找到最大跌幅，最後再透過反函數找到事件發生的時間點，以計算最後的事件發生期間。(顯現時縮排好像會跑掉，def下面記得都要縮排唷! 亦歡迎直接下載程式檔取用。)
def MDD(df):
dr=df.pct_change(1)
r=dr.add(1).cumprod()
dd=r.div(r.cummax()).sub(1)
mdd=dd.min()
end=dd.idxmin()
start=r.loc[:end[0]].idxmax()
days=end-start
return mdd[0], start[0], end[0], days[0]
今天，我們認識了回測投資組合中考量最大跌幅的重要性，並學會如何在Python中進行實作。下次進行投資策略回測時，別忘了把最大跌幅加進去唷!
程式檔案，歡迎下載Github。
想請教如果我想要產出前五大跌幅要怎麼寫，我目前只想到可以用rank排出跌幅順序，但是start,end,day就不知道怎麼處理！因為我是業餘自學量化，每次看你的部落格都受益良多！
好問題! 如果是想要看過去歷史下跌的幅度，建議可以直接將時間做切割，比方說每年，再套入這個最大跌幅的function，就可以看到歷史每年度的最大跌幅了。
應該說，我目前遇到兩個問題
1.我在做份年度最大跌幅時，有時候跌幅會跨年度，這時Starr,end,date就會失真。
2.可能發生同年大回檔多次，所以想說有沒有辦法計算前幾大跌幅。
不知道Pylnvest有沒有好的建議～
理解理解~
若要看過去幾個重大跌幅，一般業界會採用事件回測法，因為大部分的重大損失都發生在系統性風險時，因此可以由定義事件發生的起迄日期，帶入這個function，即可得到過去不同事件下的最大跌幅。
而對於一般策略回測來說，我們主要關注的都是過去最大的跌幅。而如果是要看某個策略過去的前幾大跌幅，在這樣的框架下，基本上是很難達成的，因為大型跌幅往往遠超過小型跌幅，因此會偵測不出來。這個用肉眼來看反而相對很簡單的多! 所以說，建議可以先繪製累積損益圖，看看那些區段有較大的跌幅，然後依照事件回測法的方式自訂起訖日，帶入function來看到這些區間的最大跌幅，最後再排序，就可以完成了!