joinquant 组合优化器：如何使用 MaxDrawdownConstraint 限制最大回撤？

请根据以下 SEO 主题生成完整页面内容：

Title: joinquant 组合优化器：如何使用 MaxDrawdownConstraint 限制最大回撤？

Question: 在 joinquant 组合优化器中，如何设置 MaxDrawdownConstraint 来控制组合的最大回撤？

JoinQuant 组合优化器与最大回撤控制

在 JoinQuant（聚宽）量化交易平台中，portfolio_optimizer（投资组合优化器）提供了强大的约束机制，帮助开发者在满足指定收益或风险目标的同时，对资产组合的各种风险指标进行精细化控制。

要限制投资组合的最大回撤，可以使用限制函数库中的 MaxDrawdownConstraint。

---

一、MaxDrawdownConstraint 参数详解

MaxDrawdownConstraint 用于限制组合在历史观测窗口内的最大回撤幅度。

语法说明

MaxDrawdownConstraint(limit, count=250)

• limit (float): 最大回撤的上限阈值。注意：须设置为负数，例如 -0.20 表示限制最大回撤不超过 20%，-0.15 表示不超过 15%。
• count (int, 可选): 向前回溯计算收益率与回撤的历史交易日天数，默认值为 250（约 1 个交易年）。

示例

# 限制过去 250 个交易日内组合最大回撤不超过 20%
constraint = MaxDrawdownConstraint(limit=-0.20, count=250)

---

二、完整策略代码示例

以下示例展示了如何在月度调仓策略中，使用 portfolio_optimizer 优化资产权重，并加入 MaxDrawdownConstraint 限制组合最大回撤不超过 15%。

import pandas as pd
from jqdata import *
from jqlib.optimizer import *

def initialize(context):
    # 设置基准为沪深300
    set_benchmark('000300.XSHG')
    # 开启动态复权（真实价格）模式
    set_option('use_real_price', True)
    
    # 设置股票交易手续费
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, 
                            close_commission=0.0003, min_commission=5), type='stock')
    
    # 按月调仓
    run_monthly(trade, monthday=1, time='09:30', reference_security='000300.XSHG')

def trade(context):
    # 选定股票池（例如沪深300成分股的前20只）
    securities = get_index_stocks('000300.XSHG')[:20]
    
    # 定义优化目标：组合风险最小化（最小化方差）
    target = MinVariance(count=250)
    
    # 定义约束条件：加入 MaxDrawdownConstraint 限制最大回撤不超过 15%
    constraints = [
        WeightConstraint(low=0.8, high=1.0),            # 组合总持仓权重限制在 80%~100%
        MaxDrawdownConstraint(limit=-0.15, count=250)    # 限制最大回撤 <= 15%
    ]
    
    # 设置单只标的权重边界（0% ~ 15%）
    bounds = [Bound(low=0.0, high=0.15)]
    
    # 运行组合优化器
    optimized_weight = portfolio_optimizer(
        date=context.previous_date,
        securities=securities,
        target=target,
        constraints=constraints,
        bounds=bounds,
        ftol=1e-09,
        return_none_if_fail=True
    )
    
    # 检查优化结果并调仓
    if optimized_weight is not None:
        log.info("优化权重成功：", optimized_weight)
        total_value = context.portfolio.total_value
        
        # 卖出不在优化结果中的股票
        for stock in context.portfolio.positions.keys():
            if stock not in optimized_weight or optimized_weight[stock] == 0:
                order_target_value(stock, 0)
                
        # 根据优化权重调整持仓
        for stock, weight in optimized_weight.items():
            order_target_value(stock, total_value * weight)
    else:
        log.warn("组合优化失败，保持当前持仓不变")

---

三、注意事项与使用建议

1. 极值符号问题：limit 必须为负数（如 -0.2），若误传正数（如 0.2）可能导致约束失效或优化器求解报错。
2. 过严约束处理：如果设置的最大回撤限制过于严格（如 -0.05），在波动剧烈的市场环境下优化器可能无法找到可行解，导致返回 None。建议配合 return_none_if_fail=True 并编写回退逻辑。
3. 与其它约束搭配：通常可与 AnnualStdConstraint（收益波动率限制）或 RiskParity（风险平价）组合使用，构建多维度的风险控制体系。