看似强劲的回测数据易于阅读，但也容易被误用。夏普比率（Sharpe ratio）、索提诺比率（Sortino ratio）和盈利因子（Profit factor）采用不同的分母，且往往基于不同的账本。在对比它们之前，请明确说明收益率序列、时间间隔、手续费、年化规范以及针对缺失或未平仓交易的处理规则。下文公式采用虚构数据以演示算术计算过程；它们并不描述真实的加密货币市场结果。
Sharpe 与 Sortino 回答不同的问题
对于周期性收益率，Sharpe 比率（夏普比率）是超额收益率均值除以同一时间间隔内超额收益率的样本标准差。本指南采用样本标准差。如果您使用按笔交易收益率而非等间隔账户收益率、遗漏融资成本或选择其他无风险利率输入，其计算结果都会发生改变。
Sortino 比率（索提诺比率）以下行偏差替代总波动率，该偏差衡量低于设定目标的部分。一种明确的计算规范是 mean(return − target) ÷ sqrt(mean(min(0, return − target)²))，其中下行平方在包括零差额在内的所有观测值之间取平均。其他工具可能会采用不同的目标或分母；请记录您的报告所采用的计算方式。CFA Institute 的风险调整后绩效概述将 Sortino 比率描述为对其他下行风险度量指标的补充。
考虑四个虚拟的月度收益率（已扣除假设的模型成本）：+1%、−1%、+1%、+1%。假设月度无风险收益率为零，Sortino 目标亦为零。均值为 0.5%。样本标准差为 1.0%，因此未经年化的月度 Sharpe 比率为 0.50。在上述下行偏差规范下，仅有一个月低于目标：下行偏差为 sqrt((1%²) ÷ 4) = 0.5%，使得月度 Sortino 比率为 1.00。这些看似精确的比率仅来自四个观测值。
如果月度收益率是独立同分布的，常见的年化 Sharpe 简便计算公式为 0.50 × sqrt(12) ≈ 1.73。这一独立性假设可能会失效：Andrew Lo 的夏普比率分析表明序列相关性会改变年化结果。四个观测值无法证明该样本是否独立，也无法可靠地估算这种相关性。
同样的四个收益率将虚拟的 $1,000 起始余额转变为约 $1,020：$1,000 → $1,010 → $999.90 → $1,009.90 → $1,020。最大的月末峰谷回落幅度为 1.0%，从 $1,010 回落至 $999.90。该路径提供了最终收益率和比率所无法体现的信息。
这是第二个虚构序列，其四舍五入后的最终余额与前者相似，但记录的回撤幅度要大得多。两者均以 $1,000 起始，采用四个按月观测值，并将权益四舍五入到美分：
| 月末 | 序列 A: +1%, −1%, +1%, +1% | 序列 B: +10%, −10%, +3.03%, 0% |
|---|---|---|
| 起始 | $1,000.00 | $1,000.00 |
| 1 | $1,010.00 | $1,100.00 |
| 2 | $999.90 | $990.00 |
| 3 | $1,009.90 | $1,020.00 |
| 4 | $1,020.00 | $1,020.00 |
| 月末最大回撤 | 1.0% | 10.0% |
未经四舍五入的第四个月余额差异小于一美分；各自均显示为 $1,020.00。序列 B 首先从其首月 $1,100 的峰值下降 10% 至次月 $990 的谷底，而序列 A 的最大降幅为 1%，从 $1,010 回落至 $999.90。月度采样可能会遗漏两次观测之间的更深回调，因此这些只是月末回撤，而非对各路径月内风险的断言。
盈利因子归属于交易账本
盈利因子（Profit factor）是盈利交易的毛利润除以亏损交易的绝对毛亏损。在另一个虚构账本中，盈利 $20 和 $10 对比一笔 $15 的亏损，在未计入成本前得出 ($20 + $10) ÷ $15 = 2.00。若这三笔已完成的交易每笔均扣除假设的 $1 双边成本，则净盈利总和为 $28，净亏损为 $16，因此盈利因子回落至 1.75。此处的成本仅用于示意，并非交易场所的报价。
盈利因子掩盖了交易发生的具体时间、占用的资金量以及被拒绝或未成交的机会数量。在报告盈利因子的同时，应一并报告交易笔数、持仓周期、风险暴露以及成本处理方式。若样本中不包含任何亏损交易，分母则为零：此时应将该比率报告为未定义，或说明平台的具体处理方式。切勿将其呈现为绝对安全的证明。
结合路径与流程审视每一项指标
最大回撤取决于账户权益的估值频次以及是否对未平仓头寸进行标记。按笔交易收益率、小时收益率和日收益率可能会得出不同的波动率与 Sharpe 估计值。风险敞口、换手率、连续亏损、基准选择以及完整的权益曲线有助于合理解释测试结果。请明确说明收益率是否包含手续费、资金费用以及未平仓头寸标记；并在相同的采样与成本规范下对比不同策略。
如果测试了多个资产、规则、参数或时间间隔，最好的得分便是从该搜索中挑选出来的结果。Bailey 和 López de Prado 关于降水夏普比率论文探讨了针对多次试验及非正态收益率的调整方法。这种调整仍然依赖于各种假设，无法修复前瞻偏差、不准确的数据或不切实际的撮合成交。请在研究记录中保留试验次数和被舍弃的变体。绩效指标审查工作表在您对比各项比率之前，将周期性收益率序列、交易账本和权益标记分别剥离开来。
SuperQuant 内置的历史数据均为合成数据，其执行规则经过了简化。其各项指标仅描述指定的模拟情景，并非经核验的实盘收益，亦非与其他平台的标准化对比。在解读所展示的数值之前，请先检查引擎的计算方式、收益率时间间隔和成本设置。继续阅读回测工作流程、成本分析以及过拟合指南。本文为教育性研究指南，不构成投资建议或绩效承诺。