如何编码实现策略平均盈利/亏损交易回撤统计及仪表盘展示？

核心逻辑拆解 #

先明确交易回撤的计算规则：

• 做多交易：回撤 = (入场价 - 持仓期间最低价) / 入场价 × 100%（取正值，代表价格向相反方向的最大波动幅度）
• 做空交易：回撤 = (持仓期间最高价 - 入场价) / 入场价 × 100%（同样取正值）
• 区分盈利交易（平仓后净利润>0）和亏损交易（平仓后净利润≤0），分别计算两类交易的回撤平均值。

代码实现步骤 #

1. 定义回撤计算函数 #

假设交易记录包含entry_price（入场价）、position_side（持仓方向）、high_in_trade（持仓最高价）、low_in_trade（持仓最低价）等字段，先写单条交易的回撤计算函数：

def calculate_trade_drawdown(trade):
    if trade['position_side'] == 'long':
        # 做多场景：计算入场价到持仓最低价的下跌幅度
        drawdown_pct = (trade['entry_price'] - trade['low_in_trade']) / trade['entry_price'] * 100
    elif trade['position_side'] == 'short':
        # 做空场景：计算入场价到持仓最高价的上涨幅度
        drawdown_pct = (trade['high_in_trade'] - trade['entry_price']) / trade['entry_price'] * 100
    else:
        raise ValueError("持仓方向仅支持'long'或'short'")
    # 极端情况（价格无反向波动）下回撤为0，确保结果非负
    return max(drawdown_pct, 0.0)

2. 批量统计盈利/亏损交易的平均回撤 #

遍历所有交易数据，分类收集回撤值并计算平均值：

# 示例交易数据，可替换为你的真实交易记录
trades = [
    {'entry_price': 100, 'exit_price': 108, 'position_side': 'long', 'pnl_pct': 8, 'high_in_trade': 108, 'low_in_trade': 98},
    {'entry_price': 100, 'exit_price': 99, 'position_side': 'long', 'pnl_pct': -1, 'high_in_trade': 100, 'low_in_trade': 98},
    {'entry_price': 100, 'exit_price': 98, 'position_side': 'long', 'pnl_pct': -2, 'high_in_trade': 100, 'low_in_trade': 98},
    {'entry_price': 100, 'exit_price': 92, 'position_side': 'short', 'pnl_pct': 8, 'high_in_trade': 102, 'low_in_trade': 92},
    {'entry_price': 100, 'exit_price': 101, 'position_side': 'short', 'pnl_pct': -1, 'high_in_trade': 102, 'low_in_trade': 100},
]

# 初始化分类容器
winning_drawdowns = []
losing_drawdowns = []

for trade in trades:
    drawdown = calculate_trade_drawdown(trade)
    if trade['pnl_pct'] > 0:
        winning_drawdowns.append(drawdown)
    else:
        losing_drawdowns.append(drawdown)

# 计算平均值（避免空列表报错）
avg_winning_drawdown = sum(winning_drawdowns) / len(winning_drawdowns) if winning_drawdowns else 0.0
avg_losing_drawdown = sum(losing_drawdowns) / len(losing_drawdowns) if losing_drawdowns else 0.0

print(f"平均盈利交易回撤: {avg_winning_drawdown:.2f}%")
print(f"平均亏损交易回撤: {avg_losing_drawdown:.2f}%")

3. 仪表盘可视化 #

用Plotly实现交互式双仪表盘，直观展示统计结果：

import plotly.graph_objects as go

# 创建仪表盘布局
fig = go.Figure()

# 添加平均盈利回撤仪表盘
fig.add_trace(go.Indicator(
    mode = "gauge+number",
    value = avg_winning_drawdown,
    title = {'text': "平均盈利交易回撤(%)"},
    gauge = {
        'axis': {'range': [0, max(avg_winning_drawdown * 1.5, 10)]},
        'bar': {'color': "green"},
        'steps': [{'range': [0, avg_winning_drawdown], 'color': "rgba(0,255,0,0.3)"}]
    },
    domain = {'row': 0, 'column': 0}
))

# 添加平均亏损回撤仪表盘
fig.add_trace(go.Indicator(
    mode = "gauge+number",
    value = avg_losing_drawdown,
    title = {'text': "平均亏损交易回撤(%)"},
    gauge = {
        'axis': {'range': [0, max(avg_losing_drawdown * 1.5, 10)]},
        'bar': {'color': "red"},
        'steps': [{'range': [0, avg_losing_drawdown], 'color': "rgba(255,0,0,0.3)"}]
    },
    domain = {'row': 0, 'column': 1}
))

# 调整整体布局
fig.update_layout(
    grid = {'rows': 1, 'columns': 2, 'pattern': "independent"},
    title = "策略绩效回撤统计"
)

fig.show()

注意事项 #

• 若使用量化框架（如Backtrader、VectorBT），需从框架中提取持仓时段的高低价数据，部分框架需手动记录价格极值。
• 如需静态仪表盘，可改用Matplotlib的mpl_toolkits扩展实现。

内容的提问来源于stack exchange，提问作者Muhammed Tahreem Alam