历史最大回撤（MDD）是策略在观测期内从峰值到后续谷底的最大净值跌幅比例，需满足时间顺序约束，反映最不利行情下的资本损耗深度。

全球主流的正规交易所推荐

欧易OKX：

 

Binance币安：

 

火币Huobi：

 

Gateio芝麻开门：

 

历史最大回撤（MDD）是策略在过往实盘或回测中出现的从峰值到后续谷底的最大净值跌幅比例。

一、理解历史最大回撤的构成要素

历史最大回撤不是任意两点间的跌幅，而是严格满足时间顺序约束的极值差：峰值必须出现在谷值之前，且该跌幅为整个观测区间内所有此类“前高后低”组合中的最大值。该数值直接反映策略在最不利行情下的资本损耗深度。

1、识别策略净值序列中每一个局部高点；

2、对每个高点，向后扫描其首次出现的最低净值点；

3、计算各高点至对应低点的跌幅，并保留其中最大者；

4、将该跌幅转换为百分比形式，即为历史MDD。

二、利用回测净值曲线定位强平临界线

若策略采用杠杆交易，需将历史MDD与账户初始保证金率、维持保证金率进行映射，从而推算强平触发阈值。该过程依赖净值曲线的绝对数值与杠杆倍数的耦合关系。

1、获取回测输出的逐日净值序列（如起始净值设为1.000）；

2、根据所用杠杆倍数L，反推每日对应的虚拟仓位权益波动幅度；

3、设定维持保证金率为M%，则当净值下跌至 1 - (1/L) × M% 时，理论触发强平；

4、检查历史净值是否曾跌破该阈值，若曾触及或穿透，则表明该策略在类似行情下存在强平事实。

三、引入滑点与跳空缺口修正回测MDD

标准回测通常忽略流动性冲击与价格断层，导致MDD被低估。加入典型滑点参数及历史跳空幅度后，可生成更贴近实盘的压力测试MDD，提升强平风险预判精度。

1、在回测引擎中启用固定滑点设置（例如0.15%单边）；

2、导入标的资产近3年发生过的全部>3%的日间跳空数据；

3、对每次跳空事件，在回测中强制插入对应缺口并重新计算净值序列；

4、基于新序列重算MDD，若修正后MDD较原值扩大超40%，则强平风险等级上调一级。

四、分周期滚动窗口法识别MDD趋势变化

单一全周期MDD掩盖了策略风险特征的时变性。采用滚动窗口（如180日）持续计算MDD，可观察其阶段性抬升是否与杠杆策略的强平概率上升呈同步关系。

1、取回测总时长T，以180日为步长生成N个连续子区间；

2、对每个子区间独立计算MDD并记录；

3、绘制滚动MDD时序图，标出超过全局均值+1标准差的异常高位段；

4、在这些高位段内，若连续3个窗口MDD增幅>12%，则视为强平敏感期预警信号。

五、结合保证金变动路径模拟强平触发路径

仅看净值跌幅不足以判断强平时机，需还原保证金账户的动态变化过程，包括追加、释放、爆仓清算等环节。通过构建保证金轨迹模型，可定位最早可能爆仓的时间节点。

1、从回测成交记录中提取每笔开仓的合约数量、方向、入场价及杠杆；

2、按时间顺序逐笔计算浮动盈亏及实时可用保证金；

3、当可用保证金 ≤ 0时，标记该时刻为模拟强平时间点；

4、统计全部模拟强平事件中，最早一次发生在第7个交易日之后，则说明策略具备至少6日缓冲期。