风险分析
风险分析用于阅读模拟 Portfolio 的历史行为、当前状态和证据限制。它帮助用户理解回撤、波动、收益和执行假设之间的关系；它不替用户做个人适配、仓位选择或交易决策。
先看哪些事实
最大回撤
最大回撤（Maximum Drawdown）是历史样本中从净值高点到随后低点的最大跌幅。它描述一个历史区间的痛点，不是未来亏损上限，也不保证下一次回撤会恢复。
年化波动率
年化波动率描述历史收益变化的幅度。它可以帮助比较不同规则和样本，但不能单独表示损失方向或未来风险。
夏普比率
Sharpe = (annualized return - risk-free rate) / annualized volatility
夏普比率把收益和波动放在一起比较。无风险利率、频率、样本期和费用假设都会影响结果，因此不要脱离这些上下文把某个阈值当成“好策略”标准。
收益风险比、胜率与交易统计
- 收益风险比通常把年化收益与最大回撤放在一起观察；
- 胜率是盈利交易次数除以总交易次数，不能替代盈亏比和尾部风险；
- SQN、VWR 等高级指标也只是特定样本下的统计摘要。
没有单一指标能够证明策略未来有效。应同时查看收益、回撤、持续时间、波动、交易次数、费用、现金暴露、持仓集中度和数据范围。
如何阅读风险可视化
净值曲线、回撤区间、基准对比和风险雷达图都属于历史证据的不同视图。阅读时优先核对：
- 样本开始和结束日期；
- 使用的 Universe、signal、资金规则和执行假设；
- 回撤是否集中在某个市场阶段；
- 费用、价格缓冲、成交门槛和数据缺口；
- 当前 state 是否有对应的 reason code 和 evidence。
图表是观察工具，不会把历史指标自动转换成风险等级或个人配置。
风险分析的研究路径
1. 理解一个 Portfolio
先读规则，再对照 holdings、cash、signal、state 和 evidence。BUY / SELL 是系统输出，不是用户订单；signal 也不保证模拟组合一定成交。
2. 比较两个 Portfolio
比较时固定尽可能多的条件：市场、Universe、日期、交易策略、资金策略、成本和执行假设。然后记录差异来自哪里，以及哪些结论仍受样本限制。
3. 形成新的研究问题
如果历史结果挑战原始假设，应先写出 baseline、hypothesis、一个受控变量和停止条件，再运行研究。市场背景、短期表现或 AI 解释不会自动授权修改已有 Formal Portfolio。
市场背景与风险
A 股、美股和加密资产的波动、交易时间、流动性、政策与数据覆盖不同。市场分析可以解释这些背景如何影响历史观察，但不应转译成“现在买什么”“应该降低多少仓位”或“设置哪一个止损”的个性化指令。
局限性
- 历史表现不代表未来结果；
- 回测可能受过拟合、幸存者偏差、数据质量和执行假设影响；
- 极端事件、流动性变化和真实账户约束无法被完整模拟；
- 缺少 period-start / period-end evidence 时，当前状态卡不能声称某段期间改善或恶化；
- AI 只能解释已有证据，不能覆盖确定性状态、故障或数据缺失。
一个可复用的检查清单
规则与输入
-> 历史样本与执行假设
-> 回撤 / 波动 / 收益 / 费用
-> holdings / cash / signal / state / evidence
-> 失败方式与未知部分
-> 继续观察，或提出一个受控研究问题
这套顺序服务于“研究 -> 理解 -> 验证 -> 信任 -> 纪律 -> 长期观察”，不服务于从指标中寻找一个对所有人都适用的最佳配置。