年化收益率高就值得投资？用卡玛比率看懂收益背后的最大回撤

假设你正在比较两套投资策略。

两者的年化收益率都是 20%。

但仔细查看绩效纪录后，你发现：

策略 A：最大回撤 −10%。
策略 B：最大回撤 −40%。

如果只看年化收益，两者似乎没有差别。

但策略 A 在历史期间内承受的最大跌幅，只有策略 B 的四分之一。

同样取得 20% 的年化收益，你会愿意承受 10% 的最大回撤，还是 40%？

投资人经常关心哪项商品的年化收益最高，却比较少思考：为了取得这份报酬，中途需要承受多少资产缩水？

这正是卡玛比率（Calmar Ratio）值得认识的原因。

它让我们不只比较最后赚多少，也能比较报酬背后付出的历史回撤代价。

当我们把这个观念放进 ETF、股票与量化交易策略的比较中，可能会发现：

年化收益较高，不一定代表风险收益效率最好。真正值得研究的是，一项投资获得的收益，是否值得它曾经承受的最大回撤。

一、卡玛比率（Calmar Ratio）是什么？

卡玛比率是一项风险调整后绩效指标，用来衡量投资的年化收益，相对于历史最大回撤的关系。

简单来说，它回答的是：

为了取得这份年化收益，投资策略在历史上曾经承受多大的最大回撤？

常见公式为：

卡玛比率＝年化复合成长率（CAGR）÷ 最大回撤（MDD）的绝对值

其中：

年化复合成长率（Compound Annual Growth Rate，CAGR），用来衡量投资在指定期间内，考虑复利后的年化成长速度。

最大回撤（Maximum Drawdown，MDD），则代表资产在指定期间内，从先前高点到后续低点曾出现的最大百分比跌幅。

例如：

某项策略的年化收益率为 15%，最大回撤为 −20%。

那么：

15% ÷ 20%＝0.75

这表示该策略在指定期间内，年化收益与最大回撤的比值为 0.75。

卡玛比率没有百分比单位。

在计算口径一致、年化收益为正的情况下，数值越高，通常代表以相对较小的历史最大回撤，取得相对较高的年化收益。

但要注意：

卡玛比率较高，不代表投资一定更安全，也不代表未来绩效一定更好。

它是比较历史绩效效率的工具，而不是未来获利或风险上限的保证。

传统卡玛比率与全历史比较，有什么差别？

传统卡玛比率通常使用最近 36 个月的年化收益与最大回撤进行计算。

这样的方式适合观察近期的风险收益效率。

不过，如果希望了解一项投资在更长市场周期中的表现，也可以使用完整可得历史进行计算。

本文采用相同的「年化复合成长率 ÷ 最大回撤绝对值」公式，但将观察期间扩大至各投资标的的完整可得历史。

这种全历史计算方式，也称为管理账户报告比率（Managed Account Reports Ratio，MAR Ratio）。

因此，必须区分两个概念：

传统 Calmar Ratio：通常采用最近 36 个月的年化收益与最大回撤。
全历史收益／最大回撤比值：采用更长的完整可得历史，概念上对应 MAR Ratio。

本文后续比较表所呈现的，是全历史收益／最大回撤比值，而非传统最近 36 个月的卡玛比率。

之所以选择完整历史，是希望观察不同标的在更长时间内所呈现的风险收益特性，而不是只根据近期表现做判断。

不过，不同投资标的的成立日期可能不同。

完整历史可以帮助了解单一商品的风险轮廓；要公平比较两项商品，仍然需要使用相同的观察期间。

二、相同年化收益，卡玛比率可能相差四倍

回到文章开头的例子。

假设两套策略使用完全相同的三年观察期间，并采用一致的计算方式。

比较项目	策略 A	策略 B
年化收益率	20%	20%
最大回撤	−10%	−40%
卡玛比率	2.00	0.50

策略 A：

20% ÷ 10%＝2.00

策略 B：

20% ÷ 40%＝0.50

两者的年化收益完全相同，但策略 A 的卡玛比率是策略 B 的四倍。

造成这个差异的关键，就是历史最大回撤。

如果投资人只比较年化收益，很容易忽略取得报酬过程中的重大风险差异。

年化收益较高，卡玛比率就一定比较好吗？

也不一定。

再看另一个使用相同三年观察期间的假设性例子。

比较项目	策略 C	策略 D
年化收益率	12%	24%
最大回撤	−10%	−30%
卡玛比率	1.20	0.80

策略 D 的年化收益是策略 C 的两倍，但历史最大回撤也是三倍。

因此，以卡玛比率来看，反而是策略 C 较高。

这不表示策略 C 必然优于策略 D。

因为不同投资人对报酬、流动性及风险的需求不同。

但这个例子提醒我们：

多赚到的报酬，是否值得自己必须承受的额外回撤？

这才是卡玛比率真正值得关注的问题。

注：上述四套策略均为假设性教学案例，不代表任何特定 ETF、基金或量化策略的实际绩效。

三、真实绩效比较：主流 ETF 的长期报酬与最大回撤

理解卡玛比率之后，我们可以将这个观念放进真实市场。

先认识几项常见的投资工具。

SPY：SPDR S&P 500 ETF Trust

追踪 S&P 500 指数，提供美国大型上市企业的股票市场曝险。

QQQ：Invesco QQQ Trust

追踪 Nasdaq 100 指数，具有较高的大型科技与成长型企业曝险。

BRK.B：Berkshire Hathaway B 股

伯克希尔·哈撒韦公司的 B 类股票，代表一家持有多元企业与投资资产的上市公司。它是个股，不是 ETF。

BND：Vanguard Total Bond Market ETF

Vanguard 发行的美国整体债券市场 ETF，主要涵盖美国投资级债券，包括国债、公司债与抵押贷款支持证券等。

BND 并不是现金，也不是无风险资产；它仍会受到利率、信用利差等市场因素影响。

这些标的的资产类别与风险来源不同。

比较它们的目的，不是判定哪一种商品永远最好，而是了解不同投资方式的历史报酬与回撤关系。

各标的自成立以来的历史风险收益

以下整理先前搜集的公开市场资料，以 2026 年 10 月 20 日作为比较资料的截止日期。

投资标的	资料起始年	年化收益 CAGR	最大回撤 MDD	全历史收益／回撤比值
SPY 美国大型股 ETF	1993	+10.82%	−55.19%	0.20
QQQ Nasdaq 100 ETF	1999	+10.73%	−82.96%	0.13
BRK.B 波克夏 B 股	1996	+10.89%	−53.86%	0.20
BND 美国整体债券 ETF	2007	+2.89%	−18.58%	0.16

资料来源：

资料说明：表格沿用先前整理的截至 2026 年 10 月 20 日之历史总报酬资料，年化收益采包含股息再投资的计算口径。最右栏以年化复合成长率除以最大回撤绝对值，并四舍五入至小数点后两位，并非传统最近 36 个月的卡玛比率。不同标的的资料起始日期不同，且 BRK.B 为个股而非 ETF，因此本表主要用于观察各自的历史风险收益特性，不代表同期间、同风险条件下的绩效排名。正式发布前，应再次核对资料截止日及来源计算口径。

从表格可以看到，长期年化收益与最大回撤之间，并不存在固定比例。

例如，SPY 与 BRK.B 在各自历史期间内的年化收益接近，最大回撤也处于相近的幅度，因此计算后的全历史收益／回撤比值同样约为 0.20。

QQQ 的年化收益并不低，但其历史最大回撤更深，因此全历史收益／回撤比值相对较低。

BND 则呈现另一种特性：年化收益较低，历史最大回撤也较浅，但计算后的比值并不一定高于股票标的。

这说明较低的最大回撤，不一定代表较高的风险收益效率；同样地，较高的年化收益，也不一定代表较高的风险收益效率。

真正需要同时观察的，是分子与分母之间的关系。

相同期间的比较：QQQ 报酬较高，风险收益效率却不一定较高

前一张表格使用各标的的完整可得历史，但不同成立日期会影响比较结果。

因此，若要比较 SPY 与 QQQ，使用共同观察期间会更有参考价值。

以下采用 1999 年 3 月 10 日至 2026 年 10 月 20 日的历史资料。

指标	SPY	QQQ
年化收益 CAGR	+8.55%	+10.73%
最大回撤 MDD	−55.19%	−82.96%
全期间收益／回撤比值	0.15	0.13

资料来源：Investment Visual｜SPY 与 QQQ 同期间绩效比较。

在这段共同期间，QQQ 的年化收益高于 SPY。

但由于 QQQ 曾承受更深的最大回撤，计算后的全期间收益／回撤比值反而略低。

这个结果并不能直接判定 SPY 比 QQQ 更适合所有投资人。

它只能说明：

在这段特定历史期间内，SPY 相对于历史最大回撤所取得的年化收益，比值略高于 QQQ。

这也是卡玛比率及全历史收益／最大回撤比值的用途：提供一种不同于单看年化收益率的比较角度。

四、全历史收益／最大回撤比值越高，投资一定越好吗？

不一定。

无论是传统卡玛比率，还是本文使用的全历史收益／最大回撤比值，都只是衡量投资绩效的一种工具。

它们有几个重要限制。

1. 最大回撤是历史结果，不是未来风险上限

即使某项策略过去最大回撤只有 20%，未来仍可能出现更大损失。

因此，比值较高，并不表示未来的下跌幅度一定较小。

2. 观察期间不同，结果可能差异很大

一套只有三年纪录的策略，与一项经历二十多年市场周期的 ETF，可能面对完全不同的市场环境。

即使计算公式相同，也不能忽略历史期间的差异。

而且同一项商品在不同时间区间内，也可能得出不同的比值。

3. 回测与实际交易不能视为同等证据

量化策略可以透过历史回测评估交易规则。

但回测结果仍可能受到过度拟合、资料偏误、交易成本假设及市场环境改变等因素影响。

因此，回测得出的高比值，不应直接等同于已实现的实盘绩效。

4. 单一比率无法反映所有风险

卡玛比率主要使用年化收益与历史最大回撤两项资料。

它无法完整呈现杠杆程度、流动性、交易对手风险、成交滑点、风险集中度及报酬来源等资讯。

此外，当最大回撤极小时，比值可能变得异常巨大；若最大回撤为零，公式也无法正常计算。

如果年化收益为负，单纯以比值高低排名，也可能产生不符合直觉的解读。

因此，卡玛比率适合用来辅助比较，却不适合当成判断投资优劣的唯一标准。

五、如何正确比较不同策略的风险收益效率？

了解公式及限制后，真正重要的是如何把卡玛比率用在实际的绩效分析中。

当你比较两项 ETF、基金或量化策略时，不能只把各自宣传资料中的年化收益与最大回撤拿来相除，就直接判断谁比较好。

要让比较有意义，至少需要确认几个基本条件。

1. 使用相同的观察期间

如果策略 A 使用 2010 年至 2026 年的资料，策略 B 却只使用 2023 年至 2026 年的资料，即使两者都提供年化收益与最大回撤，也不代表结果可以直接排名。

因为不同期间的市场行情、波动程度及重大风险事件可能完全不同。

较合理的做法，是先设定共同观察期间，再计算两者的 CAGR、MDD 与收益／最大回撤比值。

本文第三节同时呈现各标的全历史资料，以及 SPY、QQQ 的共同期间比较，就是为了区分这两种用途。

全历史资料适合了解个别商品；共同期间资料更适合比较商品之间的相对表现。

2. 确认是否使用一致的报酬计算口径

即使观察期间相同，不同平台提供的报酬数字也可能不完全一致。

原因可能包括：

是否将股息或配息再投入。
是否扣除基金管理费、交易手续费与其他成本。
使用何种币别及汇率换算方式。
最大回撤使用日资料、周资料或月资料计算。
是否纳入杠杆、融资成本与实际交易滑点。

例如，使用日资料计算的最大回撤，可能比使用月末资料计算的结果更深，因为部分月中出现的下跌未必会反映在月末数字中。

如果两项策略使用不同资料频率，计算结果就可能产生偏差。

因此，比较风险收益效率之前，应先确认资料定义与计算口径是否一致。

3. 明确区分历史实际业绩、模拟回测与策略目标

不同的绩效资料，代表不同程度的历史证据。

历史实际业绩是指定期间内已实际发生的市场或交易结果。

模拟回测则是使用历史资料，依照既定交易规则推算出的假设性结果。

策略目标是投资方法希望追求的方向，并不代表已经实现。

这三者不能混为一谈。

尤其在研究量化策略时，除了确认回测期间与绩效指标，也需要了解交易成本假设、参数稳定性，以及是否存在可核对的实际交易纪录。

一套策略的回测比值很高，不代表它已经在真实市场中取得相同成绩。

4. 选择适合的绩效比较基准

即使两套投资策略使用相同期间与计算口径，也不一定代表它们具有相同的投资目的。

例如，股票型 ETF、债券型 ETF 与量化交易策略，可能承担不同风险，也可能具有不同的报酬来源。

因此，绩效比较基准应尽可能符合策略的投资范围、风险特性及评估目的。

对追踪美国大型股市场的股票 ETF 而言，S&P 500 指数可能是合适的参考对象。

但如果评估的是一套以不同市场或不同交易逻辑运作的量化策略，直接拿股票指数当作唯一比较基准，可能不足以反映两者的差异。

此时，可以将相关市场指数、现金或短期利率参考，以及其他适当的比较对象分开观察，并搭配风险、成本及投资目的进行评估。

绩效比较基准的用途，不是挑选一个比较容易超越的数字，而是协助投资人判断自己承担的风险，是否换得合理的报酬。

需要注意的是，适合的绩效比较基准不一定只有一个；卡玛比率也不能取代完整的策略分析。

当观察期间、报酬口径、绩效证据与比较基准都清楚之后，卡玛比率才能成为更有参考价值的分析工具。

六、结语：真正值得比较的，是报酬背后的风险代价

只看年化收益率，无法完整理解一项投资的历史绩效。

两套策略即使具有相同年化收益，也可能因为最大回撤不同，而呈现截然不同的风险收益效率。

反过来说，一项商品即使年化收益较高，也不代表它相对于历史最大回撤的绩效效率一定更好。

透过卡玛比率与全历史收益／最大回撤比值，我们可以进一步思考：

这项投资取得了多少年化收益？
为了取得这份报酬，历史上曾承受多大的最大回撤？
计算期间与资料口径是否一致？
比较对象是否具有合理的参考意义？

SPY、QQQ、BRK.B 与 BND 的历史案例提醒我们，不同投资工具的年化收益与最大回撤之间，可能存在相当不同的关系。

因此，无论研究 ETF、个股、债券或量化策略，都应使用清楚、透明且可比较的绩效资料。

真正值得比较的，不只是谁的年化收益最高，而是谁能在可理解的风险条件下，提供符合投资目标的报酬表现。

卡玛比率不是最终答案，而是让投资人提出更好问题的起点。

进一步了解量化策略的绩效与风控资讯

如果你已经熟悉 ETF 的长期投资方式，也想研究不同的报酬来源，可以进一步了解量化交易策略如何呈现绩效资料、最大回撤与风控规则。

你也可以参考 Mr.Forex 的策略研究资讯，运用本文介绍的观念，自行评估其资料期间、风险条件与适用性。

先确认资料是否具有可比较性，再判断一项策略是否符合自己的投资需求。

风险提醒：本文仅供金融知识教育与一般资讯参考，不构成个人化投资建议或获利保证。策略 A、B、C、D 的数据均为假设性教学示例，不代表任何特定投资产品的实际绩效。文中 ETF 与个股的历史资料不保证未来结果。量化策略的回测可能受到模型过度拟合、资料偏误、交易成本、滑点及市场环境变化等因素影响，不能视为实际交易绩效或未来获利承诺。所有投资均有风险，投资人可能损失部分或全部本金。