关卡：为什么说成本是量化的"生命线"？
我的掌握程度：
先掌握这个答案
成本检查四连：①换手多少？（年化倍数）②成本假设多少？（单边含滑点的全口径）③净收益多少？（毛-成本）④成本敏感性？（滑点加倍后还活着吗）。加上容量一问：这个净收益在多大资金下成立？——五个问题答完，策略的「商业可行性」才算过关。
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
成本必须按成交口径计算
声明换手是单向还是双向，是否有单笔最低佣金、卖出税费、借券利息和期货展期。成交价差、冲击与资金占用不能混为一个固定常数；对费率和参与率做压力测试。
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。
不懂的术语：滑点（Slippage）
背景 · 从一个困惑说起
学完成本七题，回头看q-009的正期望公式：期望=胜率×盈利-败率×亏损。新手以为这是全部——老手知道还差一项：期望=毛期望-成本。漏掉成本项，整个等式的正负号都可能是错的。
由此产生的问题
把成本意识组装成研究纪律：看到一个新策略/新因子，成本维度的检查动作是什么？
核心概念
成本检查四连：①换手多少？（年化倍数）②成本假设多少？（单边含滑点的全口径）③净收益多少？（毛-成本）④成本敏感性？（滑点加倍后还活着吗）。加上容量一问：这个净收益在多大资金下成立？——五个问题答完，策略的「商业可行性」才算过关。
为什么需要它
①区分「研究收益」和「投资收益」：学术因子的paper收益多为毛收益，落地必打折；②设计导向：成本约束应该在因子设计阶段（选择低换手构造）而非事后（发现成本吃光再补救）；③职业素养：面试中被问「你的因子为什么要这样构造」，成本视角的答案（平滑/降频/流动性过滤）是区分业余和专业的分水岭。
实际应用场景
研究流程标准位置：因子构造→IC检验→**成本换手测算**→分层回测→净超额确认。跳过第三步的所有「惊喜」，都会在第四步被现实没收。
与之前知识的联系
成本组收官，与收益组（q-011~020）、工具组（q-021~026）合围成「量化现实观」：收益要净口径、工具看成本结构、容量有限。下一组进入数据世界——量化工厂的第一车间。
⚠ 常见误解
- 成本是实盘阶段才考虑的事：决定因子构造方向（如用5日均值平滑），必须在研究第一天就在场
- 小成本长期影响不大：年化2%的成本差，20年复利下吃掉终值约1/3
- 回测成本设得很高就安全了：高假设导致误杀可行策略；正确做法是区间假设+敏感性分析
🛠 本题实践任务
把「成本四连+容量」写成一张卡片贴在显示器旁：换手？成本假设？净收益？敏感性？容量？——未来的每一个策略想法都要过这五关。
💡 提示（先自己想5分钟再看）
手写比截图记忆深；五关顺序代表研究的时间线：设计→假设→净额→压力→规模。
✅ 验收标准
卡片上墙（或笔记置顶）。阶段5你第一次自研因子时，会感谢现在这张卡片。
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（总成本、换手率×成本、正期望），再用案例、公式和代码帮助理解。此功能需要先启用服务。