最大回撤（Max Drawdown）算法详解 📋 目录 1. 算法概述 2. 核心概念 3. 计算公式 4. 算法实现 5. 应用场景 6. 完整代码示例 7. 测试用例 算法概述 什么是最大回撤（Max Drawdown）？ 最大回撤是指在选定周期内，投资组合从峰值到谷底的最大跌幅，是衡量投资风险的核心指标。 指标意义 * MDD = 20%: 账户从历史最高点下跌了 20% * MDD = 50%: 账户从历史最高点损失了一半 * MDD = 80%: 账户几乎全部亏损，风险极高 为什么需要最大回撤？ 最大回撤直观反映了最坏情况下的损失幅度： 最大回撤 评级 恢复难度 < 10% 🏆 优秀 需要盈利 11% 恢复 10%
盈亏因子（Profit Factor）算法详解 📋 目录 1. 算法概述 2. 核心概念 3. 计算公式 4. 算法实现 5. 应用场景 6. 完整代码示例 7. 测试用例 算法概述 什么是盈亏因子（Profit Factor）？ 盈亏因子是衡量交易策略盈利能力的关键指标，表示总盈利与总亏损的比率。 指标意义 * Profit Factor > 1: 策略盈利（盈利大于亏损） * Profit Factor = 1: 策略盈亏平衡 * Profit Factor < 1: 策略亏损（亏损大于盈利） * Profit Factor = "1000+": 只有盈利没有亏损 为什么需要盈亏因子？ 盈亏因子是评估交易系统最直观的指标之一：
Sharpe Ratio（夏普比率）算法详解 📚 目录 1. 核心概念 2. 完整算法流程 3. 数学公式详解 4. 关键技术细节 5. 实战案例分析 6. 评级标准与解读 7. 常见问题解答 8. 与其他指标的关系 9. 优化建议 10. 代码实现位置 核心概念 什么是 Sharpe Ratio？ Sharpe Ratio（夏普比率） 是衡量投资策略风险调整后收益的核心指标，由诺贝尔经济学奖得主 William F. Sharpe 于 1966 年提出。 核心思想： "收益必须与风险相匹配才有意义。高收益如果伴随高风险，不一定优于低收益低风险的策略。" 金融学意义： * 衡量每单位风险能获得多少超额收益 * 超额收益 = 实际收益
Sharpe Ratio - 快速参考卡片 🎯 核心公式 每笔交易 Sharpe Ratio： SR_trade = (μ - rf_trade) / σ 年化 Sharpe Ratio： SR_annual = SR_trade × √N 其中： - μ：平均每笔收益率 - rf_trade：每笔交易无风险利率 - σ：收益率标准差 - N：年交易频率 📊 参数说明 参数 含义 计算方法 示例 μ 平均收益率 Σ(rᵢ) / n 15.82% σ
Sharpe Ratio（夏普比率）- 可视化示例 📊 图表示例 示例 1：风险调整后收益的直观理解 场景对比：两个策略的选择 策略 A（高收益高风险）： ══════════════════════════════════════════════════════════ 平均收益率： 30% ████████████████████████████████ 收益率标准差： 25% █████████████████████████████ 无风险利率： 3% ████ 超额收益 = 30% - 3% = 27% Sharpe Ratio = 27% / 25% = 1.08 ⚠️ 评级：🟡 良好（但波动大，心理压力高） ══════════════════════════════════════════════════════════ 策略 B（中收益低风险）： ══════════════════════════════════════════════════════════ 平均收益率： 15% ████████
Apex Liquid Bot 算法文档总览 📚 文档列表 本项目包含 7 个核心交易分析指标的详细算法文档，每个文档都包含： * 算法概述和核心概念 * 详细的计算公式和推导 * 完整的代码实现（含注释） * 实际应用场景 * 完整的测试用例 🎯 核心指标文档 1. 净入金算法详解 指标名称: True Capital（真实本金） 核心公式: true_capital = deposits - withdrawals + external_to_spot - external_out 指标意义: * 计算用户实际投入的净资金量 * 排除交易盈亏的影响 * 准确反映资金流入流出 应用场景: * 计算累计收益率的分母 * 计算夏普比率时的基准 * 计算最大回撤时的基准 关键特性: * ✅ 排除交易盈亏，只计算资金流动 * ✅ 智能识别内部转账（Perp ↔ Spot） * ✅ 支持充值、提现、
胜率统计（Win Rate）算法详解 📋 目录 1. 算法概述 2. 核心概念 3. 计算公式 4. 算法实现 5. 应用场景 6. 完整代码示例 7. 测试用例 算法概述 什么是胜率（Win Rate）？ 胜率是指在所有交易中，盈利交易占总交易的百分比，是评估交易策略准确性的关键指标。 指标意义 * Win Rate > 50%: 盈利交易多于亏损交易 * Win Rate = 50%: 盈亏交易数量相等 * Win Rate < 50%: 亏损交易多于盈利交易 为什么需要胜率？ 胜率反映了交易策略的成功率，但需要与盈亏比结合分析： 胜率 盈亏比 评估 80% 1:5
平均每笔收益率算法详解 📊 算法概述 平均每笔收益率（Mean Return Per Trade） 是基于单笔交易收益率计算的核心指标，用于衡量交易策略的平均盈利能力，完全不依赖外部本金数据。 核心特点： * ✅ 完全独立：每笔交易自给自足 * ✅ 相对持仓价值：反映资金使用效率 * ✅ 标准化指标：可跨账户、跨策略对比 * ✅ 不受出入金影响：与账本记录无关 🎯 核心公式 基础公式 单笔交易收益率 = closedPnL / (|sz| × px) 参数说明： * closedPnL: 该笔交易的已实现盈亏（单位：USD） * sz: 交易数量（可为正或负） * px: 交易价格（单位：USD） * |sz| × px: 持仓价值（名义价值，单位：USD） 平均收益率 平均每笔收益率 = Σ(单笔收益率) / 交易笔数 其中，
平均每笔收益率 - 快速参考卡片 🎯 核心公式 单笔收益率 = closedPnL / (|sz| × px) 平均每笔收益率 = Σ(单笔收益率) / 交易笔数 📊 参数说明 参数 含义 单位 示例 closedPnL 已实现盈亏 USD $500 sz 交易数量 币 10 或 -10 px 交易价格 USD $2,000 ` sz × px` 持仓价值 ✅ 核心特点 * ✅ 完全独立，不依赖本金 * ✅ 相对持仓价值计算 * ✅ 不受杠杆影响 * ✅ 可跨策略对比 📈 评级标准 数值 评级 说明 > 10% 🟢 极优秀 非常高的盈利能力 5-10%
持仓时间统计算法详解 📋 目录 1. 算法概述 2. 核心概念 3. 计算公式 4. 算法实现 5. 应用场景 6. 完整代码示例 7. 测试用例 算法概述 什么是持仓时间统计？ 持仓时间统计是计算交易者从开仓到平仓的平均持仓时长，反映交易风格和策略特点。 指标意义 平均持仓时间 交易风格 特点 < 1 小时 超短线 / 高频 快进快出，频繁交易 1-24 小时 日内交易 当日平仓，不过夜 1-7 天 短线交易 捕捉短期趋势 7-30 天 中线交易 把握中期波动 > 30 天 长线交易 长期持有，价值投资
基于该数据API获取数据 获取 Hyperliquid 用户的出入金记录Hyperliquid 净入金算法Hyperliquid 净入金算法详解 📋 目录 1. 算法概述 2. 核心概念 3. 计算公式 4. 算法实现 5. 交易类型分类 6. 应用场景 7. 完整代码示例 8. 测试用例 算法概述 什么是净入金（True Capital）？ 净入金是指用户实际投入到交易账户的净资金量，排除了交易盈亏的影响，只计算纯粹的资金流入和流出。 为什么需要计算净入金？ 在量化交易分析中，准确计算收益率、夏普比率、最大回撤等指标时，必须使用真实本金作为基准，而不是账户余额。 问题示例： * 用户充值 $10,000 * 交易盈利 $5,000（账户余额 $15,000） * 提现 $8,000（
Hyperliquid 净入金算法Hyperliquid 净入金算法详解 📋 目录 1. 算法概述 2. 核心概念 3. 计算公式 4. 算法实现 5. 交易类型分类 6. 应用场景 7. 完整代码示例 8. 测试用例 算法概述 什么是净入金（True Capital）？ 净入金是指用户实际投入到交易账户的净资金量，排除了交易盈亏的影响，只计算纯粹的资金流入和流出。 为什么需要计算净入金？ 在量化交易分析中，准确计算收益率、夏普比率、最大回撤等指标时，必须使用真实本金作为基准，而不是账户余额。 问题示例： * 用户充值 $10,000 * 交易盈利 $5,000（账户余额 $15,000） * 提现 $8,000（账户余额 $7,000）