QMT回测报告提供了夏普比率、最大回撤等标准指标，但某些专业投资者还需要计算卡玛比率、索提诺比率等。本文介绍如何在QMT中自定义绩效指标，导出净值后进行深度分析。

步骤一：导出回测净值数据。在QMT回测结果界面，选择“导出数据”，可以导出每日净值序列（CSV格式）。或者，在策略代码中记录每日净值：

`python

def after_trading(context):

   net_value.append(context.total_value)

   with open('nav.csv', 'a') as f:

       f.write(f"{context.now.date()},{context.total_value}\n")

`

步骤二：使用Python分析。加载净值数据，计算各类指标。

`python

import pandas as pd

import numpy as np

nav = pd.read_csv('nav.csv', names=['date','value'])

nav['return'] = nav['value'].pct_change().dropna()

卡玛比率 = 年化收益率 / 最大回撤

annual_ret = (nav['value'].iloc[-1] / nav['value'].iloc[0]) ** (252/len(nav)) - 1

cummax = nav['value'].cummax()

drawdown = (nav['value'] - cummax) / cummax

max_dd = drawdown.min()

calmar = annual_ret / abs(max_dd)

索提诺比率 = 年化收益率 / 下行波动率

downside_returns = nav['return'][nav['return'] < 0]

downside_std = downside_returns.std() * np.sqrt(252)

sortino = annual_ret / downside_std

`

步骤三：可视化。绘制净值曲线和回撤曲线，观察策略的稳定性。

自定义指标可以帮助你更全面地评估策略。例如，卡玛比率比夏普比率更关注回撤，适合追求绝对收益的策略；索提诺比率只惩罚下跌波动，更适合不对称策略。

还可以计算：滚动窗口的夏普比率（观察策略是否退化），盈亏比，平均持仓周期，交易成本占比等。

QMT本身不提供这些高级指标，但通过导出数据，你可以自由定制。国金证券的QMT支持数据导出，10万资金即可开通。量化社群中有现成的绩效分析脚本，可以一键生成报告。绩效归因是量化迭代的核心环节，学会自定义指标，你将更深入地理解策略。