chundev
日期：2026-04-20 情境：多策略共用資金池的聯合回測
把期貨策略和 DCA 策略丟進同一個 backtest engine 時，常見的 equity 曲線實作是事件驅動（trade 結算時才更新資金）而非 mark-to-market（每日重新評價未實現損益）。這個簡化會產生反直覺的結果：加入 DCA 之後「最大回撤」看起來變小，即使 DCA 的進出完全不影響期貨的決策。原因是 DCA 的獲利事件會在 equity 曲線上製造新的高點或填補低谷，使得 peak-to-trough 的 % 計算被改寫。這不是 bug，是設計選擇，但需要知道它低估了 DCA 持倉期間的實際心理壓力。
多策略共用資金池的典型 equity 追蹤有兩種實作：
資金 += trade.profit（trade 結算那一刻才更新）
每筆交易結束時一次性把淨損益加到資金上。持倉期間 equity 曲線是「平的」 — 因為沒有事件觸發更新。
每個交易日：
未實現損益 = Σ(open positions 當日標的價格 - 成本)
今日 equity = 現金 + 未實現損益
持倉期間每天跟著標的價格波動，equity 曲線是連續的。
差異點：
| 項目 | 事件驅動 | Mark-to-Market |
|---|---|---|
| 計算複雜度 | 低（只看 trade） | 高（每日重算所有 open position） |
| 資料需求 | 只需 entry/exit | 每日收盤價 |
| 回撤是否反映持倉浮動 | ❌ 否 | ✅ 是 |
| 期貨的 margin call 是否能模擬 | ❌ 否 | ✅ 是 |
大多數量化框架為了效能和簡潔，預設使用事件驅動。
實測某個雙策略系統：純期貨（基準）vs 期貨 + DCA（共用資金池）：
| 配置 | 年化 | 最大回撤 | 報酬/回撤比 |
|---|---|---|---|
| 純期貨（基準） | 121.8% | 22.1% | 5.51 |
| 期貨 + DCA（動態 5%） | 125.9% | 19.4% | 6.50 |
年化變高合理（多一條策略收益），但回撤變小不合理 — DCA 的進出完全不改變期貨的決策，為什麼會讓期貨的回撤減輕？
答案：DCA 的獲利事件穿插進事件序列，改寫了 equity 曲線的形狀。
DCA 週期結算（+X 萬）發生在期貨某次大虧之前：
時序：
2023-01-09 DCA #1 關倉 +61 萬 ← 墊高 equity
...
2024-XX 期貨大虧
回撤公式：drawdown = (peak - trough) / peak
| 情境 | peak | trough | 回撤 |
|---|---|---|---|
| 純期貨 | 900 萬 | 700 萬 | 22.2% |
| 含 DCA | 961 萬（+61 DCA） | 761 萬（同樣絕對跌幅） | 20.8% |
分母變大、分子不變，% 自然變小。
更極端的情況：DCA 關倉恰好發生在回撤期間或谷底附近：
期貨連虧 → capital 從 900 → 750（回撤 16.7%）
DCA 關倉 +61 萬 → capital 跳到 811（回撤只剩 9.9%）
...後續期貨回升...
最大回撤根本沒有機會達到純期貨的深度，因為 DCA 的獲利事件在 equity 曲線上直接拉回一截。
純期貨和含 DCA 的事件序列不同：
純期貨： ↗↘↗↘↘↘↗↗↘↗↗
含 DCA： ↗↘↗↘⬆↘↘↗↗⬆↗↗ ← 多兩個向上衝擊
最大回撤的日期可能完全改變，落在不同的 peak-trough 對上。純期貨的最大回撤時點可能不是含 DCA 的最大回撤時點 — 兩張圖量到的是不同東西。
事件驅動的最大簡化：DCA 持倉期間（可能長達 100+ 天）的標的價格波動完全沒被記入 equity 曲線。
DCA 週期 #2：2022-07-01 ~ 2023-01-09（133 天）
事件驅動看到：
實際情況：
事件驅動的 equity 曲線看不到 -73 萬那個谷底。但實盤操作者會看到帳面 -73 萬、承受 -25% 未實現虧損的心理壓力。
即使有上述盲點，業界仍廣泛使用事件驅動，原因：
Mark-to-market 需要每個持倉標的每個交易日的收盤價（甚至盤中 tick）。多策略 + 多標的組合下，這個資料量指數級增長。
每筆交易 O(1) 更新 vs 每天 O(n positions) 重算。長期回測（20 年每日）差異顯著。
如果只想回答「策略的平均 P&L、勝率、賺賠比」，事件驅動就夠了。mark-to-market 的優勢在「心理壓力、風控觸發」這類需要盤中狀態的問題。
持倉中的「損益」要用收盤價、開盤價、還是盤中 VWAP？不同選擇影響 Sharpe 顯著但都不完美。事件驅動避開這個選擇。
工作量最低。在輸出回撤 / Sharpe 時加註：
最大回撤：19.4%（事件驅動，未計入 DCA 持倉浮動）
至少不誤導讀者。
取 DCA 週期內標的的最大跌幅，在 equity 曲線對應時點手動加一個「浮動谷底」事件。
for cycle in dca_cycles:
max_drawdown_during_hold = compute_max_intraday_drop(cycle)
synthetic_equity_dip = cycle.invested_amount * max_drawdown_during_hold
# 在 equity 曲線插入一個虛擬谷底事件
近似精度中等，實作量小。
每個交易日重新評價所有 open position。需要：
大工程，但最精確。適合策略要對外公開績效或用於機構評估時。
事件驅動盲點不只出現在 DCA + 期貨：任何多策略 + 不同持倉時間尺度的組合都會踩到。
常見場景：
共通點：不同策略的「事件頻率」差太多時，事件驅動的偏差會被放大。