如何使用SQL计算单只股票的每日回撤值

嘿，我完全懂你的痛点——全数据集的最大回撤是抓全局最高点来算，但每日回撤需要动态跟踪到当天为止的历史最高价，逻辑上就是把“全局最高”换成“截至当日的滚动最高”，我给你拆解成具体的实现步骤，不管用Python还是Excel都能搞定：

核心逻辑回顾 #

你定义的每日回撤公式：

(截至当日及之前的最高价格 - 当前价格) / 截至当日及之前的最高价格

关键就在于“截至当日及之前的最高价格”——这是一个滚动计算的最大值，而不是整个数据集的固定最大值。

用Python Pandas实现（最常用的股票数据处理方式） #

假设你已经把单只股票的价格数据整理成了Pandas DataFrame，比如包含Date（日期）和Close（收盘价）列：

1. 计算滚动历史最高价
   用cummax()函数，它会逐行计算从数据集开头到当前行的最大值，完美匹配“截至当日及之前的最高价格”需求：

   import pandas as pd
   
   # 假设你的数据存在df中，'Close'是收盘价列
   df['Rolling_High'] = df['Close'].cummax()
   

2. 计算每日回撤值
   直接套用你的公式即可：

   df['Daily_Drawdown'] = (df['Rolling_High'] - df['Close']) / df['Rolling_High']
   

举个直观的小例子：
如果前4天的收盘价是[100, 105, 102, 98]，那么：

• 滚动最高价依次是[100, 105, 105, 105]
• 每日回撤就是[0, 0, ~0.0286, ~0.0667]（也就是0%、0%、2.86%、6.67%）

用Excel实现（适合手动处理小数据集） #

如果用Excel操作，逻辑是一样的：

• 假设收盘价在B列（B2开始是第一天价格）
• 在C2单元格输入=B2（第一天的滚动最高价就是自身）
• 在C3单元格输入=MAX(C2, B3)，然后下拉填充到所有行——这就得到了截至每日的历史最高价
• 在D3单元格输入=(C3-B3)/C3，下拉填充，就是每日回撤值

额外提示 #

• 当当日收盘价创新高时，滚动最高价会更新为当日价格，此时每日回撤值为0，完全符合你的定义
• 如果需要把回撤值转成百分比格式，不管是Pandas还是Excel都可以直接设置格式，比如Pandas里用df['Daily_Drawdown'] = df['Daily_Drawdown'].mul(100).round(2)保留两位小数的百分比

内容的提问来源于stack exchange，提问作者Coding_Newbie