第 48 篇：风险管理与仓位管理实操手册

仓位股数 = (账户总值 × 单笔风险比例) ÷ (入场价 − 止损价)

仓位股数 = (账户 × 风险比例) ÷ (k × ATR)

# ---------- 1. ATR 与单笔仓位计算 ----------
import numpy as np
import pandas as pd

def calc_atr(df, window=14):
    """14日ATR（第14篇口径：三情形真实波幅的滚动均值）"""
    hl = df["high"] - df["low"]
    hc = (df["high"] - df["close"].shift()).abs()
    lc = (df["low"] - df["close"].shift()).abs()
    tr = pd.concat([hl, hc, lc], axis=1).max(axis=1)
    return tr.rolling(window).mean()

def position_size(account_value, risk_pct, entry_price, atr, k=2.5):
    """单笔仓位：风险预算 ÷ 每股风险(k×ATR)，整百股取整"""
    risk_amount = account_value * risk_pct
    per_share_risk = k * atr
    raw_shares = risk_amount / per_share_risk
    return int(raw_shares / 100) * 100, risk_amount

# 演示：同一笔10万账户、1%风险预算，两只波动不同的票
account = 100000
rng = np.random.default_rng(48)
n = 100
df_calm = pd.DataFrame({          # 低波动票：日ATR约1%
    "high": 20 * (1 + np.abs(rng.normal(0, 0.008, n)).cumsum() * 0 + 0.01),
    "low":  20 * (1 - 0.01),
    "close": 20 + rng.normal(0, 0.15, n).cumsum() * 0.1})
df_wild = pd.DataFrame({          # 高波动票：日ATR约4%
    "high": 20 * (1 + 0.04),
    "low":  20 * (1 - 0.04),
    "close": 20 + rng.normal(0, 0.6, n).cumsum() * 0.4})
for name, d in [("低波票", df_calm), ("高波票", df_wild)]:
    atr = calc_atr(d).iloc[-1]
    shares, risk_amt = position_size(account, 0.01, 20, atr)
    print(f"{name}: ATR={atr:.2f} → 仓位 {shares}股 "
          f"(市值 {shares*20:,.0f}), 单笔最大亏损 {risk_amt:,.0f}")

# ---------- 2. 组合熔断器 ----------
class CircuitBreaker:
    """组合层风控：最大仓位 + 回撤熔断 + 冷却期"""
    def __init__(self, max_gross=0.8, dd_half=0.15, dd_flat=0.25,
                 cooldown_days=10):
        self.max_gross = max_gross      # 最大总仓位 80%
        self.dd_half = dd_half          # 回撤15% → 强制半仓
        self.dd_flat = dd_flat          # 回撤25% → 强制空仓
        self.cooldown_days = cooldown_days
        self.peak = None
        self.cooldown_left = 0

    def check(self, account_nav, gross_exposure):
        """输入当前净值与总敞口，返回(允许的总仓位上限, 状态)"""
        if self.peak is None or account_nav > self.peak:
            self.peak = account_nav
        dd = 1 - account_nav / self.peak       # 当前回撤
        if self.cooldown_left > 0:
            self.cooldown_left -= 1
            return 0.0, f"冷却期剩余{self.cooldown_left}天"
        if dd >= self.dd_flat:
            self.cooldown_left = self.cooldown_days
            return 0.0, f"回撤{dd:.0%}≥{self.dd_flat:.0%} → 空仓熔断+冷却"
        if dd >= self.dd_half:
            return min(0.5, self.max_gross), f"回撤{dd:.0%} → 限制半仓"
        return self.max_gross, f"正常(回撤{dd:.0%})"

# 演示：模拟一段净值走弱的过程
cb = CircuitBreaker()
nav_path = [1.0, 1.05, 1.02, 0.97, 0.92, 0.88, 0.86, 0.85]
for nav in nav_path:
    cap, status = cb.check(nav, 0.8)
    print(f"净值 {nav:.2f} → 仓位上限 {cap:.0%} | {status}")

# ---------- 3. 压力测试：历史最差月回放 ----------
def stress_test(strategy_daily_ret, top_n=3):
    """找出策略最差的N个月，报告月收益与回撤深度"""
    s = pd.Series(strategy_daily_ret)
    monthly = (1 + s).groupby(s.index.to_period("M")).prod() - 1
    worst = monthly.nsmallest(top_n)
    print("最差月份回放:")
    for m, r in worst.items():
        print(f"  {m}: {r:+.1%}")
    nav = (1 + s).cumprod()
    max_dd = (nav / nav.cummax() - 1).min()
    print(f"区间最大回撤: {max_dd:.1%}")
    return worst

rng = np.random.default_rng(7)
idx = pd.bdate_range("2022-01-01", periods=500)
ret = pd.Series(rng.normal(0.0003, 0.012, 500), index=idx)
ret.iloc[180:220] -= 0.006            # 造一个坏月份
stress_test(ret)

示例输出（示意）:
低波票: ATR=0.41 → 仓位 4800股 (市值 96,000), 单笔最大亏损 1,000
高波票: ATR=1.62 → 仓位 1200股 (市值 24,000), 单笔最大亏损 1,000
净值 1.00 → 仓位上限 80% | 正常(回撤0%)
净值 1.05 → 仓位上限 80% | 正常(回撤0%)
净值 1.02 → 仓位上限 80% | 正常(回撤3%)
净值 0.97 → 仓位上限 80% | 正常(回撤8%)
净值 0.92 → 仓位上限 50% | 回撤12% → 限制半仓
净值 0.88 → 仓位上限 50% | 回撤16% → 限制半仓
净值 0.86 → 仓位上限 0% | 回撤18% → 限制半仓   ← 注意：峰值以1.05计，回撤18%
净值 0.85 → 仓位上限 0% | 回撤25%≥25% → 空仓熔断+冷却
最差月份回放:
  2022-09: -11.3%
  2022-10: -6.8%
  2022-08: -4.2%
区间最大回撤: -16.4%

□ 单笔风险比例已定：账户的 ___%（建议 1%~2%）
□ 每笔交易的止损价在开仓前已确定（不是亏损后才想）
□ 仓位 = 风险预算 ÷ 每股风险，整百股取整，未手动放大
□ 最大总仓位上限：___%（建议 ≤80%）
□ 回撤熔断线：半仓 ___%、空仓 ___%（建议 15%/25%）
□ 冷却期天数：___（建议 ≥10 个交易日）
□ 压力测试已做：最差月份亏损 ___%，我确认拿得住
□ 单策略资金 ≤ 总资金 ___%（建议 ≤30%，其余现金或别的策略）
□ 熔断/止损的执行是代码自动的，不依赖我当天的心情
□ 以上参数已 git commit（第 44 篇），改动需走评审