如何將虧損控制在可控的範圍？

finlab package 針對此問題有對應的檢測法，一般的投顧老師不會跟你提，學會這招你就不用怕停損在最低點，而是停損在最關鍵位置。
使用MAE波動分析工具: report.display_mae_mfe_analysis()就可以輕鬆顯示分析圖表，如果你想了解 API 的詳細功能，可見 文檔 和 部落格相關教學。

歷史波動視覺化

範例圖中藍色的部分是獲利的交易、紅色是虧損的交易，可以知道多數獲利的交易在持有歷程中比起虧損交易擁有較小的「最大不利方向跌幅(MAE)」。

幾乎全部獲利的交易對都不會在持有過程中面臨 -10% 的套牢窘境，換句話說，只要持有歷程的報酬率是小於 -10% ，那最終都很難翻身變成獲利的交易，繼續放反而容易有大賠風險。

而虧損交易有 25% 在持有過程中面臨 超過 -10% 的套牢窘境，也就是說若停損設在 -10%，有機會將大賠的交易有機會縮小到 -10% 左右。

總結來說，藉由這個分析圖，可以發現將停損設在 -10% 是很不錯的位置，保留獲利，提早止血，藉由統計分析，讓你知道你停損的點位是在做「正確」的事。

其他 MAE 分析要注意的重點

• 不同策略有不同波動特性，有些高報酬的策略波動大，若停損設太緊，獲利交易對容易被洗掉。
• 如果你不喜歡下檔波動，那就要降低交易對的 MAE，一個好的交易對是除了最中有獲利，持有歷程也經歷較低的下檔波動，可以用來檢測進場點的漂亮成度。
• 如果獲利交易對有很大的 MAE，可能代表策略無法明顯區分獲利與虧損交易的體質，獲利部位也容易在停損的大刀下被犧牲太多，造成停損線很難設定。

結論

好的策略不是只有高報酬、高夏普率，還有很多細節可以研究，你的策略擁有怎樣的 MAE 分佈圖呢？趕快來試試吧。

如何顯示MAE&MFE分析圖組

Finlab的回測分析模組可以輕鬆將Report.get_trades(...) 的結果帶入Plotly.python做視覺化呈現。

程式範例

from finlab import data
from finlab.backtest import sim

pb = data.get('price_earning_ratio:股價淨值比')
close = data.get('price:收盤價')

position = (1/(pb * close) * (close > close.average(60)) * (close > 5)).is_largest(20)
report = sim(position, resample='Q',mae_mfe_window=30,mae_mfe_window_step=2)
report.display_mae_mfe_analysis()

輸出圖組範例

名詞定義

波幅

再分析接下來的圖表前，要先認識一下波幅的分類，有利於分析前建立基礎知識。

• AE (adverse excursion) : 不利方向幅度，做多的話，就是下跌的波段。
• MAE : 最大不利方向幅度，做多的話，就是持有過程中的最大累積跌幅。
• FE (favorable excursion) : 有利方向幅度，做多的話，就是上漲的波段。
• BMFE : MAE之前發生的最大有利方向幅度。若BMFE越高，越有可能在碰上MAE之前，先觸及停利出場 (註1)。
• GMFE (Global MFE) : 全域最大有利方向幅度。若發生在MAE之前，則BMFE等於GMFE。若在MAE之後，則代表要先承受MAE才可能吃到較高的獲利波段。
• MDD (Max Drawdown) : 最大回撤幅度。
• Return : 報酬率。

Edge ratio

來自海龜法則 (註2) 的指標，中文稱優勢比率。
edge ratio為平均GMFE / 平均MAE，這可以藉此評估進場優勢，一個真正隨機性的訊號大致上會帶來相等的MFE與MAE。
若大於1，代表存在正優勢，潛在最大獲利空間比最大虧損多，在持有過程中保有優勢可以中途停利或做其他操作，也就是策略的容錯率較高。反之則為劣勢，可能要抗衡較多的虧損狀態。

如何解讀圖組

將交易分為獲利 (profit-藍點) 與虧損 (loss-紅點) 分別呈現，圖組右方的legend可以任一點選，只看profit或loss的分群呈現。接著會「由上到下、由左至右」，解釋各子圖用途。

報酬率統計圖

子圖1-1，呈現策略下每筆交易的報酬率分布，計算出勝率及平均每筆報酬。
圖片標題為交易勝率，綠色虛線為平均每筆交易的報酬率。
分布曲線越平坦，代表報酬率範圍大，可能有較多的極端報酬率要處理，通常出現在波動大的策略。
若呈現右偏型態(右側的尾部更長，分布的主體集中在左側)，代表多數交易為虧損，若整體策略為獲利，則獲利為少筆交易為主要貢獻。
若呈現左偏型態(左側的尾部更長，分布的主體集中在右側)，代表多數交易為獲利。
若呈現鐘型曲線，代表分布較為平均。

Edge Ratio 時序圖

子圖1-2是策略edge ratio隨進場時間 (x軸) 後的變化，可以判斷隨著持有時間推移，策略有沒有波幅操作優勢。

參數設定

edge ratio的計算設定由回測函數 backtest.sim() 裡的mae_mfe_window, mae_mfe_window_step 兩個參數來控制。

• mae_mfe_window : 計算mae_mfe於進場後於不同持有天數下的數據變化，主要應用為優勢比率計算。預設為0，只會產生出場階段的mae_mfe。
• mae_mfe_window_step : 與 mae_mfe_window參數做搭配，為時間間隔設定，預設為1。若mae_mfe_window設20，mae_mfe_window_step 設定為2，相當於 python 的range(0,20,2)，以2日為間距計算mae_mfe。

應用解釋

edge ratio若一直保持在1以上，持有都具有優勢，子圖範例就是這類情況，開局就有不錯表現，明顯的谷底落在第8天後持續走高，代表可能延遲到第8天進場會有低點，之後獲利一路放大優勢。
edge ratio時序圖走勢有很多種，若是開低走高，一開始都低於1，代表策略可能太早進場，一開始都要先承受虧損，這時可以檢討進場時機點，考慮延遲進場。

若edge ratio走勢保持在1以上，代表策略優勢明顯。若還隨著時間走高，獲利空間也上升，策略容錯率就較大，就算因一些因素延遲進場仍有較大機率有獲利範圍。
若edge ratio走勢很常在1以下，代表策略經常被虧損壓著打，是策略負面訊號。

若隨持有時間變化，優勢漸漸流失，比率開始下降，代表MAE普遍變高，可能是策略催化劑褪色，該策略適合短線操作並考慮加上停利提早出場。
若edge ratio走勢跳動，代表無明顯趨勢可判斷。
若策略週期是20天，發現time_scale大於20時，edge ratio趨勢持續走升，則透露策略可能太早出場，錯過後面更大的報酬，可以考慮修正持股週期，吃到更大的獲利。

MAE/Return 分布圖

子圖1-3，x軸為報酬率，Y軸為MAE，將勝敗手分群顯示成散點圖，比對報酬率與MAE的關係。
此範例中可以發現多數獲利的藍點都有較小的MAE，虧損的紅點有較大的MAE。
虧損部位的MAE第75%位數為10.77%，幾乎所有的藍點都低於這個位置，也就是說過了這個位置，交易最終就容易是虧損結果，可設為停損參考位置，可保留多數獲利部位、減少大賠部位損失。
獲利部位的MAE第75%位數為2.93%，代表多數獲利部位在持有過程中可能的最低點區間，碰到這位置後就有較高機率再往上，積極操作者或分批進場者可設為攤平加碼點位置，有機會讓獲利空間更多或賠更多。

MFE/MAE 分布圖

從子圖 2-1、2-2 可以觀察MAE與MFE的數據關係，散點圖大小由報酬率來決定。
比對兩張圖可發現，策略內許多GMFE很大的標的，都比BMFE大，代表許多漲幅都發生在MAE之後。想要有較高獲利，就要先忍受回檔，通常這容易發生在趨勢波段策略。
若是短線優異的策略，BMFE 會比較高，可以有較高機率在接觸MAE或停損前先做停利。

分佈象限圖解

MAE/BMFE分布圖(註3) 能幫助我們看出策略體質、優化設置停損停利。
大原則是「分布在第二象限的點越多越好， 第四象限的點越少越好」、「獲利與虧損明顯分群在不同象限」。
如此 stop_loss過濾掉多數mae過大的標的，少過濾掉獲利的標的。take_profit盡量讓多數虧損的交易先觸及停利出場。

MDD/GMFE 分布圖

子圖2-3，判斷損益兩平點與鎖利點，橘線為45度線。
橘線以上為MDD > GMFE，如果越多獲利點位於這個位置，代表持有歷程可能歷經大回檔吃掉獲利轉為虧損，雖然最終會是獲利，但我們原本有機會賺更多。

MDD > GMFE 的情況常是一開始就吃大虧損～後來轉正，或是途中大賺後，突然急速下殺賠錢。都是比較不理想的狀況。子標題顯示的「Missed win-profits pct」為「獲利交易位於橘線上的數量/獲利交易數」，數值越高代表潛在錯失獲利的機會較高，數值越高代表越需要設定移動停利去保護獲利。

橘線以下為MDD < GMFE，代表獲利的交易達到價格高點後，即使後來回檔，因回檔不會吃掉全部GMFE，所以不會轉為虧損。若是虧損的部位位於橘線以下，由於MAE <= MDD < GMFE、MAE <= Return，可以推導出即使虧損，MAE也會比GMFE小，比較高的機會是小虧出場。子標題顯示的「Breakeven safe pct」 為「橘線下的比例/全部交易數」，也就是越不容易輸的比例。

MAE、ＭFE 密度分佈圖

子圖3-1、3-2、3-3。由 plotly-distplot 繪製而成，看指標的比例分佈曲線。
子圖3-1為 MAE 密度分佈圖，通常策略體質若較優，勝敗手的高峰會有明顯分群，贏錢的MAE通常較小、輸錢的MAE通常較大，向右過了藍紅曲線的交叉點後，虧損的交易會變得比獲利的交易多，可以視為比較緊的停損點或是開始分批停損的參考。勝敗手Q3(第75分位數)的應用可參考MAE/Return 分布圖的說明，勝手Q3為積極者加碼點，敗手Q3為絕對停損點，再不跑就容易大賠啦！

子圖 3-2、3-3 為 MFE 密度分佈圖，應用概念與子圖3-1類似。
多數的敗手不會超過敗手MFE Q3 的位置 (圖中的5.16)，換句話說，漲過這個點後，多數交易最終會是獲利的，既然最終會是獲利的，那就會是一個不錯的突破加碼點位，若想要更高的機率確保加碼點安全性，可以用敗手MFE 大於Q3 的位置，例如藍紅曲線的交叉點。
勝手MFE Q3 則可視為分批停利減碼點參考位置。

Indices Stats

子圖4-1，將各種數據用提琴圖呈現統計結果，可藉由display_mae_mfe_analysis 中的 violinmode 參數控制顯示模式，預設為group模式，將勝敗手分群統計，overlay模式為全數統計。提琴圖hover過後能顯示數據的分位數資料，可快速觀察所有數據的統計分佈，方便設定停損停利點能參考分位數的數值。
除了先前介紹的mae_mfe，其他還有統計數值:

• pdays_ratio:獲利交易日數/交易持有日數，中位數數值若大於0.5，代表多數交易持有期間都是獲利，操作起來更有彈性。若mfe高，但pdays_ratio低，代表若沒把握到衝高的少數時期，則會錯過理想報酬。

結論

是不是對波動分析更加瞭解了呢？一張圖表包山包海，完整分析出策略細節。

若想更深入了解MAE/MFE最大幅度分析法。除了國外資源，中文內容推薦藍月記事，其對這方面的策略體質觀察、優化有全方位的影片教學內容，作者對量化分析與交易心理有獨道見解，推薦大家前往學習。

相關學習資源

• 註1:最大幅度分析05- MFE 為何要在 MAE 之前？ – 藍月記事
• 註2:Edge ratio:海龜法則觀後感
• 註3:最大幅度分析08-MAE MFE 分布 SL/TP 四大區塊 – 藍月記事