听到收益数字,先问哪三个问题?——收益率防骗清单
我的掌握程度:
先掌握这个答案
收益率防骗三问:①期限多长?(换算成年化再比较)②口径是什么?(是否含分红/是否复权/是否扣费/税前税后)③区间怎么选的?(是否挑了低点起点/是否避开暴跌段)附加一问:规模多大?(小资金高收益无法外推,见q-057容量)
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
先核对现金流与期限
没有中途出入金时才可直接用期末/期初计算持有期收益;分红、费用要避免漏计或重复计入。有出入金时区分时间加权与资金加权。复合年化使用净值比的幂,算术均值年化用于不同统计目的。
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
理财广告:成立以来收益180%!听者心动。但这只基金成立了11年——年化其实只有10%;而且180%没算期间分红;再者,180%的区间恰好从一轮低点开始计算。
由此产生的问题
面对任何一个收益数字,怎么用固定的检查清单迅速拆穿统计戏法?
核心概念
收益率防骗三问:①期限多长?(换算成年化再比较)②口径是什么?(是否含分红/是否复权/是否扣费/税前税后)③区间怎么选的?(是否挑了低点起点/是否避开暴跌段)附加一问:规模多大?(小资金高收益无法外推,见q-057容量)
为什么需要它
收益数字是金融行业最常被操纵的统计量。同一只基金,选择不同的展示区间,能造出-20%到+300%的各种数字。不建立检查清单,你的每一个投资决策都建立在别人替你选好的滤镜上。
实际应用场景
看任何产品页先找「业绩比较基准对照图」(择时戏法在对照下现形);看私募净值必问「费后」还是「费前」(管理费+业绩报酬20%能吃掉巨量收益);量化回测报告必查成本假设(q-056)。
与之前知识的联系
q-012给了年化工具、q-013/q-014给了口径意识,本题把它们组装成反射动作。这也是q-087「听到年化50%问什么」的预演——防骗清单是批判性思维(q-086)在数字世界的应用。
⚠ 常见误解
- 官方披露的数字必然无操纵:数字真实,但展示区间、口径、基准选择都是自由度——组合起来足以误导
- 长期业绩好=未来好:因子拥挤、规模膨胀、经理更替都会让历史失效(阶段5因子衰减)
- 回测收益和实盘收益是一回事:成本、滑点、容量、执行时差四大杀手(q-084)
🛠 本题实践任务
找一张理财/基金宣传图,用防骗三问逐条检查它:期限是否模糊?口径是否标注(费后/含分红)?起点是否选在低点?写下一句结论。
💡 提示(先自己想5分钟再看)
银行App首页的理财卡片、基金公司公众号海报都是好素材;重点看小字注释。
✅ 验收标准
完成三问检查并写结论。从此任何收益数字先过这三问,再谈是否心动。
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(年化收益、除权除息、复权),再用案例、公式和代码帮助理解。此功能需要先启用服务。