费曼检验：能给别人讲明白，才算真的懂
我的掌握程度：
先掌握这个答案
费曼四步：①选概念（如Alpha）；②用大白话讲给假想的外行（不许用术语，或每个术语都配生活比喻）；③卡壳处=理解漏洞，回去重学（正是这些漏洞在面试里被戳破）；④简化再简化，直到流畅。量化版的额外要求：配一个数字例子（q-007的基金经理甲乙）+一行代码/公式。
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
物理学家费曼的learning法则：如果你不能把一个概念讲给外行听懂，说明你自己没真懂。「我懂Alpha」和「我能给妈妈讲懂Alpha」之间隔着一整个理解深度。
由此产生的问题
费曼检验怎么操作？它为什么恰好是量化面试（讲项目）的最佳训练？
核心概念
费曼四步：①选概念（如Alpha）；②用大白话讲给假想的外行（不许用术语，或每个术语都配生活比喻）；③卡壳处=理解漏洞，回去重学（正是这些漏洞在面试里被戳破）；④简化再简化，直到流畅。量化版的额外要求：配一个数字例子（q-007的基金经理甲乙）+一行代码/公式。
为什么需要它
①漏洞探测器：背诵可以掩盖不理解，讲解不能——大脑无法输出从未真正建立的连接；②面试直接对应：技术面的「项目深挖20分钟」本质就是费曼检验的残酷版；③教学相长的实证：整理讲义的过程比再读三遍书更能巩固记忆（输出式学习）。
实际应用场景
学习闭环升级：每学完一个知识组（如本阶段的风险-收益组），写一篇「给外行的解释」发知乎/笔记；面试准备：把毕业项目讲稿写成「3分钟版/10分钟版/40分钟深挖版」三层。
与之前知识的联系
q-020的体检流程是「会用」，费曼检验是「能教」——理解的最外环。它也是本站AI导师的存在意义之一：向AI提问时你被迫组织语言，AI的追问（苏格拉底式）持续戳你的卡壳点。
⚠ 常见误解
- 讲明白=背定义：定义是压缩包，讲解是解压过程；只背压缩包的人面试一解压就露馅
- 费曼法太花时间：它替换的是「重复阅读」这种低效复习，总时间反而更省
- 内向的人不适合：写作版费曼（写给别人看的笔记）效果等同口头版
🛠 本题实践任务
选「Beta与Alpha的区别」做一次完整费曼：写200字大白话讲解（禁用未解释的术语）+一个数字例子。发给一位非金融的朋友看，记录对方哪里没懂。
💡 提示（先自己想5分钟再看）
对方没懂的地方就是你理解最薄的环节；把朋友的原话记下来。
✅ 验收标准
200字讲稿+朋友反馈记录。这份讲稿在面试「讲讲你理解的Alpha」时可直接调用。
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（知识整合），再用案例、公式和代码帮助理解。此功能需要先启用服务。