如何计算7个资产的平均回撤(Average Drawdown)？

你现有代码的计算逻辑不符合回撤的标准定义，仅用对数收益率的极值做差值除法，既无法得到准确的最大回撤，也不能计算平均回撤。

回撤的标准计算逻辑是：

• 先基于收益率生成累计净值曲线
• 计算累计净值曲线到每个时点的历史最高值
• 用每个时点的累计净值与同期历史最高值的差值，除以同期历史最高值，得到该时点的回撤幅度
• 所有时点回撤的平均值即为平均回撤，回撤的最小值即为最大回撤

修正后完整代码如下：

import datetime as dt
import pandas as pd
import numpy as np
import yfinance as yf

end = dt.datetime.today()
start = end - dt.timedelta(365)

tickers = ["SBUX", "MCD", "CMG", "WEN", "DPZ", "YUM", "DENN"]
bench = ['SPY', 'IWM', 'DIA']

table_1 = pd.DataFrame(index=tickers)
data = yf.download(tickers+bench, start, end)['Adj Close']

log_returns = np.log(data/data.shift())
# 计算累计净值
cum_return = np.exp(log_returns.cumsum())
# 计算每个时点的历史峰值
peak = cum_return.cummax()
# 计算每个时点的回撤
drawdown_series = (cum_return - peak) / peak

# 计算7个标的全时段平均回撤
table_1["average_drawdown"] = drawdown_series[tickers].mean()
# 可补充计算最大回撤做对比
table_1["max_drawdown"] = drawdown_series[tickers].min()

如果需要只统计净值低于前期峰值时段的平均回撤（排除没有回撤的时段），可以把平均回撤的计算逻辑替换为：

table_1["average_drawdown"] = drawdown_series[tickers].apply(lambda x: x[x<0].mean())

以上计算得到的回撤结果为负数，代表下跌幅度，如果需要正数值可以在计算时额外取绝对值即可。

内容的提问来源于stack exchange，提问作者atrmi