关卡：给你任意两笔投资，如何科学地评判优劣？
我的掌握程度：
先掌握这个答案
五步体检流程：①统一期限→算年化收益；②算年化波动（风险代价）；③看最大回撤（极端痛感）；④看分布形状（偏度/峰度，是否有隐藏尾部）；⑤对基准（Beta多少？有没有Alpha？q-006/q-007）。结论格式：年化X%，波动Y%，回撤Z%，相对基准超额W%——四个数字缺一不可。
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
学完收益率数学，朋友拿来两个「稳赚」机会：甲一年赚25%，乙八个月赚18%。你说：先别急，让我把工具箱用一遍。
由此产生的问题
如何把q-001~q-019的工具组装成一套固定流程，对任意投资做一次完整体检？
核心概念
五步体检流程：①统一期限→算年化收益；②算年化波动（风险代价）；③看最大回撤（极端痛感）；④看分布形状（偏度/峰度，是否有隐藏尾部）；⑤对基准（Beta多少？有没有Alpha？q-006/q-007）。结论格式：年化X%，波动Y%，回撤Z%，相对基准超额W%——四个数字缺一不可。
为什么需要它
①防止单指标决策：只看收益=闭眼开车，只看回撤=因噎废食；②沟通语言：机构世界的业绩讨论永远是一组指标而非一个数字；③为阶段3铺路：夏普比率、Calmar就是把这几个数字两两组合的标准化尝试。
实际应用场景
这就是每天看自己组合/策略的固定动作，也是读任何研报、尽调任何产品的框架。量化研究员的「盘后五分钟」：净值、回撤、相对基准、因子贡献、异常——本关卡是它的雏形。
与之前知识的联系
本关卡把第一组工具（q-011~q-019）焊接成流程，同时回望q-005/q-006/q-007：风险、Beta、Alpha在步骤③⑤中各就各位。下一组（q-021起）扩展投资世界地图：股票之外的工具。
⚠ 常见误解
- 指标越多越好：五个数字抓住收益、风险、尾部、基准四个维度已够用，堆指标是表演
- 体检完就能预测未来：体检描述过去，未来仍需安全边际——指标是排除坏选项的滤网，不是预言水晶球
- 自己算不如信软件：软件口径各异（是否年化/是否费后），亲手算一遍才能拥有数字
🛠 本题实践任务
选两只不同的指数（如沪深300和中证500），获取近三年年度收益，用五步流程做对比体检（数据不够的地方标注「数据不足」），写一份150字的结论。
💡 提示（先自己想5分钟再看）
年化收益、波动、回撤可在指数页面查到；基准互为对照；偏度峰度数据不足可跳过并注明。
✅ 验收标准
两张体检卡（每只指数一张，含4个以上指标）+150字结论。这是你第一份正式的「投资分析笔记」。
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、波动率、最大回撤），再用案例、公式和代码帮助理解。此功能需要先启用服务。