绩效指标与调试

没有指标的回测只是一张图。Quant Buffet 报告风险调整后的统计量，让你能诚实地比较策略；代码出错时，还会用AI 调试器给出行号。

指标词汇

先建立参照，才知道什么叫「好」

先对照这些数字再决定要不要兴奋。仅做多的日频 ETF 策略若 Sharpe 达到 0.8，已经相当不错；1.5 属于极优且需要仔细审查；而简单日频回测中 Sharpe 超过 2，几乎总意味着前视偏差、不现实的成本假设，或一个「挑过存活者」的资产池。一个参照：麦道夫伪造的收益隐含 Sharpe 约 2.5，而这种不合理正是最早的公开疑点之一。

为何回撤比 CAGR 更重要

回撤是回测与人性交汇的地方。两个事实足以说明问题：亏损 50% 需要上涨 100% 才能回本，而不是 50%；而回本时间可能长达一段投资生涯——纳斯达克综合指数在 2000 年 3 月见顶，直到 2015 年才稳定收复该点位，也就是大约十五年被埋在水下。与之对照，现代史上最快的崩盘（2020 年 2 月至 3 月）只用 33 天就跌了约 34%。

多重检验：反复尝试的统计学

如果你只测一个策略，Sharpe 1.0 是证据；如果你测了一千个并报告最好的那个，Sharpe 1.0 大致就是纯随机所能给出的结果——众多噪声样本的最大值天然偏大。正因如此，学界提出了去偏 Sharpe 比率（Bailey 与 López de Prado），按「产生该结果所用的尝试次数」对其进行惩罚。

• 统计你的尝试次数。 换十个回看窗口重跑十次，就是十次检验，即使你只截图了一张。
• 偏好参数平台区。 若 150、200、250 天都有效，效应大概是真的；若只有 187 天有效，那是噪声。
• 预留一段样本。 用 2000–2015 年建立直觉，再对 2016 年至今只看一次。
• 要求给出理由。 库中每个策略都附经济逻辑，正因为「数字好看」不是理由。

调试流程

1. 阅读 IDE 行号栏高亮处的错误信息与行号。
2. 对照契约检查文件：模块级 ASSETS，以及返回 (on_day, ready) 的 make_on_day(prices)。
3. 点击 Ask AI for syntax — 获得「在哪里、为什么」以及可直接粘贴的代码片段。
4. 查阅 API 文档，确认导入项、白名单标的与模板示例。
5. 用更短的 `ASSETS` 和更晚的 start 重跑，以隔离数据问题。

你真正会遇到的五种错误

# 慢：每一天都重算一遍 200 日均值（会超时）
def on_day(engine, dt):
    window = prices.loc[:dt, "SPY"].tail(200)
    if prices.loc[dt, "SPY"] > window.mean():
        engine.set_target_weights(dt, {"SPY": 1.0})

# 快：算一次，然后查表
sma = prices["SPY"].rolling(200, min_periods=200).mean()

def on_day(engine, dt):
    if prices.loc[dt, "SPY"] > sma.loc[dt]:
        engine.set_target_weights(dt, {"SPY": 1.0})

# 运行成功后平台报告的内容
metrics = compute_metrics(result.equity, benchmark=spy_bh, trades_count=len(result.trades))
print(metrics["sharpe"], metrics["max_drawdown"], metrics["cagr"])