什么是风险？为什么"赚得多"不等于"投得好"？
我的掌握程度：
先掌握这个答案
风险 = 收益的不确定性，用收益率的标准差（σ，读sigma）度量，金融里叫"波动率"。σ越大，收益越像过山车。年化波动率 ≈ 日收益标准差 × √252（252≈一年交易日数，√号的来历阶段3推导）。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 把行情数字变成可比较的收益
看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。
- 选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
- 没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
- 用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。
使用边界
- 不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
- 模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。
背景 · 从一个困惑说起
两个策略过去一年都赚了20%。A策略每月稳稳涨1.5%左右，净值曲线像楼梯一样平缓向上；B策略某月暴涨40%、某月又跌15%，曲线像过山车。只看"年收益20%"这个数，两者一模一样。
由此产生的问题
总收益丢掉了收益的"路径"信息。但持有人的真实体验——以及能否坚持持有到最后——完全取决于路径。有没有一个指标能刻画"收益有多颠簸"？
核心概念
风险 = 收益的不确定性，用收益率的标准差（σ，读sigma）度量，金融里叫"波动率"。σ越大，收益越像过山车。年化波动率 ≈ 日收益标准差 × √252（252≈一年交易日数，√号的来历阶段3推导）。
为什么需要它
①体验决定成败：波动大的策略，投资者大概率在半山腰的暴跌中割肉离场，永远拿不到"最终的20%"；②比较公平性：赚20%承受10%的波动 vs 赚20%承受50%的波动，前者效率高得多——把两者放到一个比值里就是著名的夏普比率（阶段3）；③量化的核心工作之一就是控制波动：对冲、分散、仓位管理全是为了它。
实际应用场景
打开任何基金页面看到的"近一年波动率""最大回撤"都是风险度量。产品合规要求必须展示风险等级，因为历史上无数投资者高收益买入高波动产品、在暴跌中割肉——收益没拿到，伤害拉满了。
与之前知识的联系
q-001给了收益，本题给了风险——投资的两个基本维度凑齐了。下一题的Beta把风险进一步拆分：你的波动里有多少来自"大盘的波动"（系统性风险），有多少是你自己的选择造成的？而"单位风险赚多少收益"的比值（夏普比率）将在阶段3正式登场。
⚠ 常见误解
- 风险=亏损：金融里风险指"不确定性"，既包括跌更多也可能涨更多；波动大的资产可能让你暴富也可能让你破产
- 波动率高风险就一定高：还要看分布形态（是否有极端尾部），阶段3的"肥尾"会深挖
- 过去波动小=未来安全：平静期之后可能是风暴（相关性会在危机中飙升），这是风险管理最难的部分
🛠 本题实践任务
在行情软件里分别查看一只货币基金（如余额宝）和一只行业主题股票基金的"近一年收益率"和"近一年波动率/最大回撤"。记录两组数字，用一句话总结：多赚的部分是不是用"颠簸"换来的？
💡 提示（先自己想5分钟再看）
货币基金页面通常显示7日年化（如2%），几乎无波动；行业主题基金（如半导体、白酒）波动率常在25%以上。支付宝/天天基金App的基金详情页都有这些指标。
✅ 验收标准
写出两个基金各自的收益和风险数字，并给出"收益/风险"的直观比较。今后评价任何投资，必须同时报这两个数。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（收益率、基准指数），再用案例、公式和代码帮助理解。此功能需要先启用服务。