回撤是指账户或者策略净值从阶段性高点到当前低点的跌幅百分比，是衡量策略风险的核心指标之一。比如策略净值从1.0涨到1.2，然后跌回到1.08，这段从1.2到1.08的跌幅就是一次20%的回撤（(1.2-1.08)/1.2）。最大回撤是历史上出现过的最大跌幅，反映了最坏情况下的亏损幅度。

用Python计算最大回撤：把净值序列表示为一个数组，对每个时间点计算"到当前为止的历史最高点是多少"，然后用当前值除以历史最高点减1，取所有时间点中的最小值（最大负值）就是最大回撤。用pandas实现非常简洁：equity.cummax()计算滚动历史最大值，(equity / equity.cummax() - 1).min()就是最大回撤。

回撤控制是量化实盘里很重要的风控机制：可以设置一个最大回撤阈值，比如策略净值从最高点回撤超过15%就暂停策略、清仓或者减仓，等行情稳定再重新入场。这种硬性止损规则能避免策略在市场极端行情下持续亏损，是量化策略工程化必须加入的模块，不能只靠策略逻辑本身来控制损失。

量化风控逻辑有疑问找我，量化开户+策略框架搭建一起搞。以上内容仅供投资者教育参考，不构成任何投资建议，入市有风险，投资需谨慎。