release: v1.32.5 — 回撤持续统计修复，统一为最长水下期口径（单标的风险指标恒为 1）

2026-09-12 14:34:18 +08:00 · 2026-09-06 02:42:34 +08:00
parent c1d1349c8b
commit 99733f13d1
7 changed files with 122 additions and 43 deletions
@@ -2,6 +2,20 @@

 本文件记录 easy-tdx 的版本变更。格式遵循 [Keep a Changelog](https://keepachangelog.com/zh-CN/)。

+## [1.32.5] — 2026-09-06
+
+**回撤持续统计修复：不再恒为 1**——单标的回测「绩效指标 → 风险 → 回撤持续」此前无论什么股票都显示 1，本版修复计算错误，并把三处实现的口径统一为指标文档承诺的「最长水下期」：从净值峰值跌落到重新创新高的最长天数（末日仍未修复则计到最后一天），即"最长一次套牢了多久"。
+
+### 修复
+
+- **回撤持续恒为 1**（[performance.py](src/easy_tdx/backtest/performance.py)）：`_compute_max_dd_duration` 旧实现从最大回撤谷底向前找"第一根高于谷底的 bar"，下跌途中那几乎总是紧邻的上一根，导致任何股票该指标恒为 1；重写为以创新高（drawdown 归零）为界切分水下区间取最长段。单标的、组合、轮动回测共用此分析器，一并修复。
+- **组合视图/评级口径同步**（[grading.py](src/easy_tdx/backtest/grading.py)、[combinedMetrics.ts](web-ui/src/grading/combinedMetrics.ts)）：两处此前算的是"峰值→谷底"距离，与术语表及评级锚点量纲（30 天/90 天/365 天…）承诺的"峰值→重新创新高"不符，会低估持续天数、虚高风险维度得分；同步改为最长水下期口径，与 `performance.py` 三端口径一致。最大回撤数值不受影响。
+
+### 测试
+
+- 新增 3 例回归（[test_backtest_performance.py](tests/unit/test_backtest_performance.py)）：最长水下期取值、末日未修复计到最后一根、全程无回撤为 0；grading 组合指标用例加固为精确断言（[test_grading_scoring.py](tests/unit/test_grading_scoring.py)）。
+- 用真实数据（603519 日线 bbp_reversal 近 800 根）端到端核对：旧代码返回 1，修复后同一资金曲线算出 293 根（2024-06-26 峰值 → 2025-09-05 收复）。全量回归：pytest 1667 通过、ruff / ruff format / mypy 严格模式 / 前端 `vue-tsc` 全绿。
+
 ## [1.32.4] — 2026-09-05

 **盘面洞察系列：六栏目 + AI 复盘 + 资金日历**——从"热点滚动"出发，把"快速理解盘面"做成一个系列：交易日×板块涨跌矩阵看热点轮动、指数红绿日历看全年情绪、连板天梯看涨停生态、宽度分时+涨停温度计看市场冷热、相关性热力图看抱团与跷跷板、量能曲线看放量缩量，最后一键交给 AI 生成盘面复盘。另含成分股排序/截断两个真实 bug 修复与龙头池下线。
@@ -4,7 +4,7 @@ build-backend = "hatchling.build"

 [project]
 name = "easy-tdx"
-version = "1.32.4"
+version = "1.32.5"
 description = "通达信 TCP 协议行情数据客户端，支持在线行情、离线数据读取与写入同步"
 readme = "README.md"
 requires-python = ">=3.10"
@@ -460,30 +460,38 @@ def compute_combined_metrics(equity: list[dict[str, Any]]) -> CombinedMetrics:
    downside_std = float(np.sqrt(np.mean(downside**2))) if len(downside) else 0.0
    sortino = mean_r / downside_std * math.sqrt(_TRADING_DAYS_PER_YEAR) if downside_std > 0 else 0.0

-    # 最大回撤 & 持续：优先用 drawdown_pct（与前端一致），缺则从 totals 反推
+    # 最大回撤：优先用 drawdown_pct（与前端一致），缺则从 totals 反推。
+    # 持续 = 最长水下期（峰值 → 重新创新高；末日未修复则计到最后一点），
+    # 与 performance.py / combinedMetrics.ts / max_dd_duration 锚点量纲同口径。
    max_dd = 0.0
    max_dd_dur = 0
    if equity[0].get("drawdown_pct") is not None:
-        cur_peak = 0
+        last_peak = 0
        for i, e in enumerate(equity):
            dd = float(e.get("drawdown_pct") or 0.0)
            if dd > max_dd:
                max_dd = dd
-                max_dd_dur = i - cur_peak
            if dd == 0:
-                cur_peak = i
+                # 间隔 ≥2 点才夹着真实的水下段（相邻新高不算回撤）
+                if i - last_peak > 1:
+                    max_dd_dur = max(max_dd_dur, i - last_peak)
+                last_peak = i
+        max_dd_dur = max(max_dd_dur, n - 1 - last_peak)
    else:
        running_peak = totals[0]
-        cur_peak = 0
+        last_peak = 0
        for i, v in enumerate(totals):
            if v > running_peak:
                running_peak = v
-                cur_peak = i
            if running_peak > 0:
                dd_pct = (running_peak - v) / running_peak
                if dd_pct > max_dd:
                    max_dd = dd_pct
-                    max_dd_dur = i - cur_peak
+                if dd_pct == 0:
+                    if i - last_peak > 1:
+                        max_dd_dur = max(max_dd_dur, i - last_peak)
+                    last_peak = i
+        max_dd_dur = max(max_dd_dur, n - 1 - last_peak)

    if max_dd > 0:
        calmar = annual_return / max_dd
@@ -60,7 +60,8 @@ class PerformanceAnalyzer:
            - total_return: 总收益率
            - annual_return: 年化收益率
            - max_drawdown: 最大回撤
-            - max_dd_duration: 最大回撤持续时间（bar 数）
+            - max_dd_duration: 最大回撤持续时间（最长水下期：峰值到重新
+              创新高的 bar 数，末日未修复则计到最后一根）
            - sharpe: 夏普比率
            - sortino: 索提诺比率
            - calmar: 卡玛比率
@@ -118,8 +119,8 @@ class PerformanceAnalyzer:
        drawdown_pct = self._equity_curve["drawdown_pct"].to_numpy()
        max_drawdown = float(np.max(drawdown_pct))

-        # 4. 最大回撤持续时间
-        max_dd_duration = self._compute_max_dd_duration(total, drawdown)
+        # 4. 最大回撤持续时间（最长水下期：峰值 → 重新创新高）
+        max_dd_duration = self._compute_max_dd_duration(drawdown)

        # 5. 夏普比率
        rf_daily = self._risk_free_rate / self.ANNUAL_DAYS
@@ -366,36 +367,36 @@ class PerformanceAnalyzer:

        return total_days, total_size

-    def _compute_max_dd_duration(self, total: NDArray, drawdown: NDArray) -> int:
-        """计算最大回撤持续时间。
+    def _compute_max_dd_duration(self, drawdown: NDArray) -> int:
+        """计算最大回撤持续时间（最长水下期）。

-        找到最大回撤点，然后计算从回撤前的高点到该点的 bar 数。
+        以创新高（drawdown == 0）为界切分水下区间，取「从峰值跌落到
+        重新回到前高」的最长一段 bar 数；末日仍未修复的区间计到最后一根。
+        与 glossary「最长一次套牢了多久」、grading 的 max_dd_duration 锚点
+        量纲（30 天/90 天/365 天…）以及前端 computeCombinedMetrics 同口径。

        Args:
-            total: 总权益数组
-            drawdown: 回撤数组
+            drawdown: 回撤数组（peak - total，与资金曲线等长）

        Returns:
-            最大回撤持续时间（bar 数）
+            最长水下期（bar 数）；全程无回撤时为 0
        """
        if len(drawdown) == 0:
            return 0

-        max_dd_idx: int = int(np.argmax(drawdown))
-        max_dd_value = drawdown[max_dd_idx]
-
-        # 如果没有回撤，返回 0
-        if max_dd_value == 0:
+        peak_hits = np.flatnonzero(drawdown == 0)
+        if peak_hits.size == 0:
            return 0

-        # 找到回撤前的高点
-        peak_idx: int = max_dd_idx
-        for i in range(max_dd_idx - 1, -1, -1):
-            if total[i] > total[max_dd_idx]:
-                peak_idx = i
-                break
+        # 相邻两个创新高点间隔 ≥2 根才夹着真实的水下段（间隔 1 为连续新高）
+        gaps = np.diff(peak_hits)
+        deep_gaps = gaps[gaps > 1]
+        longest = int(deep_gaps.max()) if deep_gaps.size > 0 else 0

-        return int(max_dd_idx - peak_idx)
+        # 末日仍在水下：从最后一次创新高计到最后一根
+        tail = len(drawdown) - 1 - int(peak_hits[-1])
+
+        return int(max(longest, tail))

    def _empty_metrics(self) -> dict[str, float]:
        """返回全零指标字典（数据不足时的默认返回值）。
@@ -610,3 +610,37 @@ def test_avg_win_zero_when_no_cost_basis_column() -> None:
    # 无 cost_basis → 单笔收益率无法计算 → 记 0.0，不抛异常
    assert metrics["avg_win"] == 0.0
    assert metrics["max_win"] == 0.0
+
+
+# ── 回归测试：回撤持续 = 最长水下期 ─────────────────────────────────────────
+# 旧实现从最大回撤点向前找「第一根高于谷底的 bar」，下跌途中那几乎总是
+# 紧邻的上一根，导致单标的回测的回撤持续恒为 1。新口径（与 glossary、
+# grading 锚点量纲、前端 computeCombinedMetrics 一致）：从峰值跌落到重新
+# 创新高的最长 bar 数；末日仍未修复则计到最后一根。
+
+
+def test_max_dd_duration_longest_underwater_span() -> None:
+    """回撤持续应取最长水下期（峰值 → 重新创新高），而非恒为 1。
+
+    total=[100, 110, 105, 95, 90, 100, 110, 120, 115]：
+    idx1 峰值 110 → idx6 回到 110，水下 5 根（旧实现会返回 1）；
+    idx7 峰值 120 后回落，末日未修复，尾段 1 根。
+    """
+    metrics = _metrics_from_total([100, 110, 105, 95, 90, 100, 110, 120, 115])
+
+    assert metrics["max_dd_duration"] == 5
+
+
+def test_max_dd_duration_unclosed_counts_to_last_bar() -> None:
+    """末日仍未修复的水下期应计到最后一根。"""
+    metrics = _metrics_from_total([100, 95, 90, 92])
+
+    # idx0 峰值后再未回到 100，水下 3 根
+    assert metrics["max_dd_duration"] == 3
+
+
+def test_max_dd_duration_consecutive_peaks_not_counted() -> None:
+    """连续创新高（无水下 bar）不计入回撤持续，全程无回撤时为 0。"""
+    metrics = _metrics_from_total([100, 105, 110, 120])
+
+    assert metrics["max_dd_duration"] == 0
@@ -189,7 +189,20 @@ def test_combined_metrics_with_drawdown():
        eq[i]["total"] *= 0.8
    m = compute_combined_metrics(eq)
    assert m.max_drawdown >= 0.19
-    assert m.max_dd_duration > 0
+    # 最长水下期：峰值 idx49 → 重新创新高 idx70 = 21 根
+    # （旧实现按「峰值→谷底」只算 20，且单标的侧旧 bug 恒为 1）
+    assert m.max_dd_duration == 21
+
+
+def test_combined_metrics_dd_duration_unclosed_counts_to_end():
+    """末日仍未修复的水下期应计到最后一点。"""
+    eq = _equity(120)
+    # 尾段砸 10% 的坑且不再收回
+    for i in range(100, 120):
+        eq[i]["total"] *= 0.9
+    m = compute_combined_metrics(eq)
+    # idx99 最后一次创新高 → 末日 idx119，共 20 根
+    assert m.max_dd_duration == 20


 def test_combined_metrics_insufficient_points():
@@ -113,39 +113,48 @@ export function computeCombinedMetrics(equity: EquityPoint[]): CombinedMetrics {
  // ── 最大回撤 & 持续天数 ─────────────────────────────────────────────────
  // 优先用后端已算好的 drawdown_pct（与图表一致），反推峰值&持续更准。
  // 若后端字段缺失，再退回从 totals 反推。
+  // 回撤持续 = 最长水下期：从峰值跌落到重新创新高的最长交易日数
+  // （末日仍未修复则计到最后一天），与 glossary / grading 锚点同口径。
  let maxDrawdown = 0
  let maxDdDuration = 0

  if (equity[0].drawdown_pct !== undefined) {
-    let curPeakIdx = 0
+    let lastPeakIdx = 0
    for (let i = 0; i < n; i++) {
      const dd = equity[i].drawdown_pct
      if (dd > maxDrawdown) {
        maxDrawdown = dd
-        maxDdDuration = i - curPeakIdx
      }
-      // 触及新峰值：重置当前峰值点
-      // 注意 drawdown_pct == 0 表示创新高
-      if (dd === 0) curPeakIdx = i
+      // 触及前高（drawdown_pct == 0）结算一段水下期；相邻新高不算回撤
+      if (dd === 0) {
+        if (i - lastPeakIdx > 1) {
+          maxDdDuration = Math.max(maxDdDuration, i - lastPeakIdx)
        }
+        lastPeakIdx = i
+      }
+    }
+    // 末日仍在水下：从最后一次创新高计到最后一天
+    maxDdDuration = Math.max(maxDdDuration, n - 1 - lastPeakIdx)
  } else {
    // 退化路径：从 totals 反推
    let runningPeak = totals[0]
-    let curPeakIdx = 0
+    let lastPeakIdx = 0
    for (let i = 0; i < n; i++) {
      if (totals[i] > runningPeak) {
        runningPeak = totals[i]
-        curPeakIdx = i
      }
-      if (runningPeak > 0) {
-        const dd = runningPeak - totals[i]
-        const ddPct = dd / runningPeak
+      const ddPct = runningPeak > 0 ? (runningPeak - totals[i]) / runningPeak : 0
      if (ddPct > maxDrawdown) {
        maxDrawdown = ddPct
-          maxDdDuration = i - curPeakIdx
      }
+      if (ddPct === 0) {
+        if (i - lastPeakIdx > 1) {
+          maxDdDuration = Math.max(maxDdDuration, i - lastPeakIdx)
+        }
+        lastPeakIdx = i
      }
    }
+    maxDdDuration = Math.max(maxDdDuration, n - 1 - lastPeakIdx)
  }

  // ── 卡玛比率 = 年化收益 / 最大回撤 ───────────────────────────────────────