aifinlab 最大回撤计算 Skill
数据来源
本 Skill 支持多种金融数据输入格式，核心数据来源包括：
1. 价格序列数据
- 股票价格数据：日收盘价、周收盘价、月收盘价
- 基金净值数据：单位净值、累计净值
- 组合净值数据：组合累计净值序列
- 指数数据：各类市场指数、行业指数
2. 净值数据
- 累计净值序列：已计算的累计净值数据
- 收益率序列：基于收益率计算的累计净值
- 回撤序列：历史回撤数据
3. 数据格式要求
- CSV格式：标准时间序列数据，包含日期和价格/净值列
- Excel格式：支持多工作表数据
- JSON格式：结构化时间序列数据
- 数据库连接：支持SQL数据库直接查询
说明：本 Skill 不包含数据采集功能，需要用户提供清洗后的价格或净值数据。建议数据时间跨度不少于1年，以便进行准确的最大回撤计算。
功能
本 Skill 提供全面的最大回撤计算能力，涵盖多种计算方法：
1. 最大回撤计算
- 绝对最大回撤 = (峰值 - 谷值) / 峰值 × 100%
- 相对最大回撤：相对于初始值的最大回撤
- 滚动最大回撤：计算指定时间窗口内的滚动最大回撤
- 分段最大回撤：计算不同时间段的最大回撤
2. 回撤指标计算
- 最大回撤持续时间：从峰值到谷值的时间长度
- 回撤恢复时间：从谷值恢复到峰值的时间长度
- 回撤频率：统计回撤发生的频率
- 平均回撤：计算平均回撤水平
3. 回撤分析
- 回撤分布：分析回撤的分布特征
- 回撤趋势：分析回撤的时间趋势
- 回撤预警：设置回撤阈值进行预警
4. 回撤对比
- 与基准对比：与基准指数的回撤对比
- 与同类对比：与同类产品的回撤对比
- 历史对比：与历史回撤水平对比
5. 数据处理能力
- 缺失值处理：支持前向填充、插值等方法
- 异常值检测：基于统计方法识别和处理异常价格
- 数据标准化：支持不同数据源的格式统一
- 交易日调整：自动识别交易日和非交易日
使用示例
1. 安装依赖
pip install -r requirements.txt
2. 基础使用
# 计算最大回撤
python scripts/calc_max_drawdown.py --input prices.csv --date-col date --price-col close --output drawdown.csv
# 计算滚动最大回撤
python scripts/calc_max_drawdown.py --input prices.csv --date-col date --price-col close --output rolling_drawdown.csv --window 30
# 计算分段最大回撤
python scripts/calc_max_drawdown.py --input prices.csv --date-col date --price-col close --output period_drawdown.csv --period monthly
3. 高级配置
# 计算回撤持续时间
python scripts/calc_max_drawdown.py --input prices.csv --date-col date --price-col close --output drawdown_analysis.csv --include-duration true
# 与基准对比
python scripts/calc_max_drawdown.py --input prices.csv --benchmark benchmark.csv --output comparison.csv --compare-benchmark true
# 设置回撤预警阈值
python scripts/calc_max_drawdown.py --input prices.csv --date-col date --price-col close --output alert.csv --threshold 0.1
4. 输出示例
{
"symbol": "000001.SZ",
"period": "2024-01-01 to 2024-12-31",
"max_drawdown": {
"absolute_drawdown": 25.8,
"relative_drawdown": 25.8,
"peak_date": "2024-06-15",
"trough_date": "2024-08-20",
"recovery_date": "2024-11-10",
"duration_days": 66,
"recovery_days": 82
},
"rolling_drawdown": {
"30_day_max": 8.5,
"60_day_max": 15.2,
"90_day_max": 22.3
},
"statistics": {
"average_drawdown": 5.2,
"drawdown_frequency": 12,
"max_drawdown_period": "2024-06 to 2024-08"
},
"distribution": {
"percentile_25": 3.2,
"percentile_50": 5.8,
"percentile_75": 10.5
}
}
注意事项与限制
1. 数据质量要求
- 价格或净值数据需要经过清洗和验证
- 建议使用足够长的历史数据（至少1年）
- 异常数据会影响最大回撤计算结果
2. 计算方法选择
- 不同计算方法的结果可能不同
- 滚动窗口大小会影响回撤计算结果
- 分段计算需要考虑时间段的合理性
3. 时间序列特性
- 最大回撤具有时间依赖性
- 不同时间区间的回撤不可直接比较
- 市场环境变化会影响回撤水平
4. 综合判断原则
- 单一回撤指标不能全面反映风险特征
- 需要结合其他风险指标进行综合分析
- 应结合市场环境和投资策略进行判断
5. 使用限制
- 本 Skill 输出为技术分析结果，不构成投资建议
- 使用者应结合专业判断和具体业务场景
- 对于重大决策，建议咨询专业投资顾问
参考资料
- 见 references/ 目录中的相关文档，包括：
- 最大回撤计算公式手册
- 回撤分析方法指南
- 风险指标计算最佳实践
- 数据处理方法说明文档
License
- 本 skill 代码部分采用 MIT License，详见
LICENSE文件 - 依赖与运行环境以
requirements.txt为准 - 文档内容采用 CC BY 4.0 许可