策略回测完成后，QMT会生成一些基本绩效指标，但很多投资者希望自己进一步分析，比如计算滚动夏普比率、最大回撤区间、胜率走势等。这就需要将业绩曲线数据导出，然后使用Excel、Python或专业分析工具进行处理。下面介绍具体方法。

方法一：使用QMT自带的导出功能。在回测结果界面，通常有“导出交易记录”或“导出净值数据”的按钮。可以导出CSV文件，包含每日净值、持仓明细、每笔交易的时间、价格、数量等。导出后，你就可以用Excel打开，手动计算年化收益、夏普比率（年化收益率减去无风险利率，除以收益率的标准差）。夏普比率的简易公式：(平均日收益率*252 - 无风险利率) / (日收益率标准差 * sqrt(252))。无风险利率一般取2.5%（2026年水平）。

方法二：如果你会Python，可以在策略代码中主动记录净值。在handle_bar或after_trading中，将当前总资产写入一个列表，最终保存为CSV。例如：

`

def after_trading(context):

   net_value.append(context.total_value)

`

然后策略运行结束后，用pandas分析。这种方法更灵活，可以加入自定义风险指标。

方法三：使用三方绩效分析库。例如empyrical、pyfolio等。将每日收益率序列输入，它们会自动输出夏普比率、卡玛比率、最大回撤等。你只需把QMT导出的净值数据转为收益率即可。

分析夏普比率时需要注意：回测时间越长，夏普比率越稳定。通常要求至少2年以上的数据。另外，夏普比率超过2的主动策略非常优秀，超过3则极少数。如果你的回测夏普超过5，要警惕过拟合。

除了夏普比率，建议也计算Calmar比率（年化收益 / 最大回撤），这个指标更直接地反映策略的风险收益特征。一个Calmar大于2的策略，说明回撤控制较好。

导出业绩曲线后，还可以绘制资金曲线图，观察是否存在明显的“阶梯状”增长或突然下跌。如果某段时间曲线过于平滑，可能是未来函数或数据错误。

国金证券的QMT允许完整导出回测和实盘的交易记录，10万资金即可开通权限。量化社群中，很多用户分享了自己的分析模板，可以直接套用。同时，两融全线上办理，方便你在分析后调整杠杆。业绩分析是策略优化的重要一环，不要只看最终收益率，而要深度理解收益的来源和风险分布。