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。