Edge
Chrome
Firefox
对人来说，因为有分时线的存在，最大回撤一目了然，
但对程序来说，最大回撤结束点，累积最高点 - close，其中差值最大的那个点，是回撤终点，而终点之前的最高价就是回撤起点，
用python来写就是：
i = np.argmax((np.maximum.accumulate(df['close']) - df['close'])) # 最大回撤结束的位置
if i == 0:
j = 0
else:
j = np.argmax(df['close'][:i]) # 回撤开始的位置
显然，根据最传统的定义，最理想的是用 完整的tick序列，其次是用1分钟线，问题在于如果票少，获取时间并不多，但如果有几十个甚至200个票，那么下载时间就不可接受了
这里有2种分支：
A、比较传统的，即用tick 自己合成1m线，因为不需要单独下载，所以时效性很有保证，缺点是复杂性，虽然自己合成不需要下载，但当出现意外情况【极端是下午才开程序】，那么只能依靠下载1m K线进行衔接，也就是说，下载的频率从1分钟一次， 可能变成了5分钟、15分钟、甚至1小时一次，另外非正常情况只在合成的K线衔接不上的时候。
B、剑走偏锋，所谓回撤究竟是什么，我认为 是一种记忆，当一个tick 出现，所带来的 最新价 lastPrice，它其实是对 前面出现过的 high 与 low 进行比价，其流程如下：
1、所接受到的 第一个tick ，将它的价格 记为 high
2、后续一个tick 大于 这个high 那么更新 high ，反之就对 low 赋值
3、后续价格，只要不高于 high ，就只用更低的价格 更新 low 【此时 high 与 low 之间的差值就是一段回撤】
4、当后续价格 大于高，那么 重复上述过程即可
用python写出来大概这个样子：
那么是否能可行，只能拿1m 的线去构建伪装的 tick 来进行测试了
但对程序来说，最大回撤结束点，累积最高点 - close，其中差值最大的那个点，是回撤终点，而终点之前的最高价就是回撤起点，
用python来写就是：
i = np.argmax((np.maximum.accumulate(df['close']) - df['close'])) # 最大回撤结束的位置
if i == 0:
j = 0
else:
j = np.argmax(df['close'][:i]) # 回撤开始的位置
显然，根据最传统的定义，最理想的是用 完整的tick序列，其次是用1分钟线，问题在于如果票少，获取时间并不多，但如果有几十个甚至200个票，那么下载时间就不可接受了
这里有2种分支：
A、比较传统的，即用tick 自己合成1m线，因为不需要单独下载，所以时效性很有保证，缺点是复杂性，虽然自己合成不需要下载，但当出现意外情况【极端是下午才开程序】，那么只能依靠下载1m K线进行衔接，也就是说，下载的频率从1分钟一次， 可能变成了5分钟、15分钟、甚至1小时一次，另外非正常情况只在合成的K线衔接不上的时候。
B、剑走偏锋，所谓回撤究竟是什么，我认为 是一种记忆，当一个tick 出现，所带来的 最新价 lastPrice，它其实是对 前面出现过的 high 与 low 进行比价，其流程如下：
1、所接受到的 第一个tick ，将它的价格 记为 high
2、后续一个tick 大于 这个high 那么更新 high ，反之就对 low 赋值
3、后续价格，只要不高于 high ，就只用更低的价格 更新 low 【此时 high 与 low 之间的差值就是一段回撤】
4、当后续价格 大于高，那么 重复上述过程即可
用python写出来大概这个样子：
那么是否能可行，只能拿1m 的线去构建伪装的 tick 来进行测试了
0
微信推送了一个文章，第一反应，这瓜保真吗？
用艾玛转载看了一下，近70个交易日
仔细想想定义背后的解释：
枢轴点（Pivot Point, P） pivot = (high + low + close) / 3 = low + (high-low + close - low)/3 即 low + （ 振幅 + 最低点持有盈利）/3
也就是作者认为 中枢 不仅与振幅相关，还与最低点介入后，盈利相关
初始中轴： low + 振幅/6 + 最低介入盈利的2/3
看似很科学，我可以骂人吗？0.5振幅、1倍、2倍，好厉害，垃圾，睡觉
用艾玛转载看了一下，近70个交易日
仔细想想定义背后的解释：
枢轴点（Pivot Point, P） pivot = (high + low + close) / 3 = low + (high-low + close - low)/3 即 low + （ 振幅 + 最低点持有盈利）/3
也就是作者认为 中枢 不仅与振幅相关，还与最低点介入后，盈利相关
第一阻力位（R1）： R1 = 2 * P - 低点 = low + (high-low)*2/3 + (close - low)*2/3
第一支撑位（S1）： S1 = 2 * P - 高点 = low - （high-low）/3 + (close - low)*2/3
S1 与 R1 差一个 振幅 ，也就是一开始 认为单向波动不过50%振幅，信他个鬼，收敛这么快的吗？初始中轴： low + 振幅/6 + 最低介入盈利的2/3
第二阻力位（R2）： R2 = P + (高点 - 低点)
第二支撑位（S2）： S2 = P - (高点 - 低点)
S2与R2 直接不装了，单向一个振幅第三阻力位（R3）： R3 = P + 2 * (高点 - 低点)
第三支撑位（S3）： S3 = P - 2 * (高点 - 低点)
S3与R3 单向2个振幅看似很科学，我可以骂人吗？0.5振幅、1倍、2倍，好厉害，垃圾，睡觉
0
思考 振幅 与 回撤
只要日k线的 high 不等于 low，那么振幅就必然大于0。实现振幅振幅的方式，只能是涨或跌。
1，先涨后涨，即平稳上涨，那么最大回撤只能出现在见高点后
2，先跌后涨，那么最大回撤可能在V的左段，或后续见高点之后
3，先跌后跌，即平稳下跌，那么最大回撤，就是见低点的过程
4，先涨后跌，那么最大回撤只能出现在见高点后。
简单来说，上涨实现振幅，任何买入都安全，下跌实现振幅，任何买入都套牢。
这尼玛不就是在纯粹的拍涨跌吗？
既然是这样，那盯着正股呗，正股涨了，我转债赌涨，然后各种买，正股跌了，那就缓缓
至于这样究竟行不行，我觉得还是得回测一把，外加模拟盘模拟一下，毕竟一个债我能盯，要是几十个债，我看个毛线，而且资金也非常有限，是先到先得呢，还是优中选优呢？也是需要思考的
只要日k线的 high 不等于 low，那么振幅就必然大于0。实现振幅振幅的方式，只能是涨或跌。
1，先涨后涨，即平稳上涨，那么最大回撤只能出现在见高点后
2，先跌后涨，那么最大回撤可能在V的左段，或后续见高点之后
3，先跌后跌，即平稳下跌，那么最大回撤，就是见低点的过程
4，先涨后跌，那么最大回撤只能出现在见高点后。
简单来说，上涨实现振幅，任何买入都安全，下跌实现振幅，任何买入都套牢。
这尼玛不就是在纯粹的拍涨跌吗？
既然是这样，那盯着正股呗，正股涨了，我转债赌涨，然后各种买，正股跌了，那就缓缓
至于这样究竟行不行，我觉得还是得回测一把，外加模拟盘模拟一下，毕竟一个债我能盯，要是几十个债，我看个毛线，而且资金也非常有限，是先到先得呢，还是优中选优呢？也是需要思考的
0
当然，也只能是逼近，因为只有close 是最高点，那么其high 才是有机会是最高，但实际情况是，出现最高点的1m K线 其close 不见得也是最高，低点也同理，还是用艾玛举例，就昨天的情况，逼近后的结果如下： 高点正确，低点有差距，原因如图，最低点出现时，close已经收上去了
0
如果要尽量解决这种问题【完全解决不可能，close的最高点，可能并不是实际的最高点，同理低点也是】，那么基本上是对1m 所构建的K线需要进行二次检查 即 按照 记录下的时间，把起点换成K线的最高点，最低点，去尽量逼近实际值
如果要尽量解决这种问题【完全解决不可能，close的最高点，可能并不是实际的最高点，同理低点也是】，那么基本上是对1m 所构建的K线需要进行二次检查 即 按照 记录下的时间，把起点换成K线的最高点，最低点，去尽量逼近实际值
0
关于半路出道的问题，比如中午，或者更极端一点，下午收盘后在运行程序的情况，此时当然不能指望通过tick的更新来建立 回撤记录表，那么就需要2个标记：
第一是创建时间， creation_time，格式为20241017141500 这种形式，后续取小时分秒的部分和 093000 进行比较，只要比这个大，那么就可能需要通过1m 先构建一下 回撤表
第二是 1m 构建的标志，确保上述构建过程只进行一次
这样 回撤的记录，也不需要每次都保存了，也就是以程序运行的时间为起点，前面由1m 来构建【这其实也是以1m线进行测试的过程，即把1m线 伪装成tick 先过一遍】，后面以tick 来构建
也就是多了一个可能都前置过程
第一是创建时间， creation_time，格式为20241017141500 这种形式，后续取小时分秒的部分和 093000 进行比较，只要比这个大，那么就可能需要通过1m 先构建一下 回撤表
第二是 1m 构建的标志，确保上述构建过程只进行一次
这样 回撤的记录，也不需要每次都保存了，也就是以程序运行的时间为起点，前面由1m 来构建【这其实也是以1m线进行测试的过程，即把1m线 伪装成tick 先过一遍】，后面以tick 来构建
也就是多了一个可能都前置过程
0
我去，原来一秒1次 tick，也是可能漏掉最高价的，也许瞬间的最高价就没有单独的一个tick【或者1秒内出现不止1个tick 这个概率太低了，毕竟说好的3秒一次的行情呢】
艾玛最高价115.112，tick 只看到了最高115.028
艾玛最高价115.112，tick 只看到了最高115.028
0
@gwxkai
如果要进一步完善，更新high 时可以记录 回撤起点时间 timetag_start ，更新low 时记录 回撤结束时间 timetag_end，不过对于盘中，意义不是特别大，除非会在意持续回撤时间
equity_peak=max(equity_peak, current_equity)可以的，实际使用中，如果追求速度，那么 在更新 low 时，计算一次 drawdown，后续 只迭代 drawdown_record_dict[code_suffix].values() 即可，类型为字典时，get('drawdown',0)，那么返回drawdown_list 的最大值 就是 最大回撤，这比后续计算快一倍，因为不需要判断 high、low 的存在，而 np.argmax(drawdown_list) 就是 对应最大回撤记录的 key ，就此可以取得 最大回撤对应的 high 与 low
max_drawdown = max(max_drawdown, equity_peak - current_equity)
如果你要统计某个时段的，就先把max_drawdown置0
如果你用的bar OHLC，就要使用H和L去计算bar内的equity high和low
如果要进一步完善，更新high 时可以记录 回撤起点时间 timetag_start ，更新low 时记录 回撤结束时间 timetag_end，不过对于盘中，意义不是特别大，除非会在意持续回撤时间
京公网安备 11010802031449号