佣金：每笔交易的第一笔小税
我的掌握程度：
先掌握这个答案
佣金规则：①买卖双向收取；②费率常见万2.5-万3（万分之一为单位），大资金可谈到万1；③单笔最低5元（小单的隐性高费率：买1万元按万2.5应收2.5元，实收5元=万5）；④部分券商含规费（经手费等），对比时要问清全包口径。
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
规则必须带市场与日期
先写交易所、板块、证券品种和适用日期，再引用税费或交易限制。例题费率属于假设参数；上线研究时用交易所、税务机关公告和券商协议核对，不照抄历史费率。
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。
打开术语词典，随时查阅基础概念。
背景 · 从一个困惑说起
你下单买卖，券商提供了通道、系统和服务，收费天经地义——这就是佣金。2015年前A股佣金高达千分之几，互联网券商竞争把它打到万分之几，如今万2.5左右是常态（可谈）。
由此产生的问题
佣金的规则细节是什么（双边、最低5元、含规费）？它对不同频率策略意味着什么？
核心概念
佣金规则：①买卖双向收取；②费率常见万2.5-万3（万分之一为单位），大资金可谈到万1；③单笔最低5元（小单的隐性高费率：买1万元按万2.5应收2.5元，实收5元=万5）；④部分券商含规费（经手费等），对比时要问清全包口径。
为什么需要它
①成本的复利侵蚀：年换手10倍（双边20次）×万2.5=年化0.5%直接从收益扣除；②小资金陷阱：最低5元让小额高频交易的实际费率翻倍；③谈判空间：佣金是量化「成本三件套」里唯一可谈的一项。
实际应用场景
回测成本模型第一项；开户时对比佣金+确认「全包」；量化实盘月度对账：理论佣金vs实际佣金的偏差检查。
与之前知识的联系
成本三件套（佣金、印花税、过户费）的第一件。下一题印花税是金额更大、只收卖方的第二件。
⚠ 常见误解
- 万2.5很低可以忽略：高频策略年换手50倍时，佣金一项就吃掉1.25%年化
- 最低5元影响不大：对小资金高频网格策略，5元下限让实际费率远超名义费率
- 所有券商佣金一样：万1到万3差异+是否全包，长期差距是白花花的银子
🛠 本题实践任务
查你的（或任一券商的）佣金费率，计算：按你的 typical 单笔金额，双边实际佣金是多少？有没有触发最低5元？
💡 提示（先自己想5分钟再看）
交割单/流水里每笔佣金清晰可见——对账比问客服更准。
✅ 验收标准
写出费率、单笔金额、双边佣金金额、是否触最低线。知道自己的真实费率是成本管理的第一步。
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（交易规则），再用案例、公式和代码帮助理解。此功能需要先启用服务。