听到「年化50%」：你的追问清单
我的掌握程度：
先掌握这个答案
七连问（按杀伤力排序）：①回测还是实盘？（实盘几年？）②成本假设多少？（换手×成本算年化损耗）③样本内还是样本外？（样本外怎么留的？）④用了未来数据吗？（财务公告日/信号成交时点）⑤含退市股吗？（小盘策略必问）⑥样本多长、覆盖几轮牛熊？⑦规模多大时做到的？（容量问题）外加灵魂一问：参数调了几轮？
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
q-019给了收益率的三问（期限/口径/区间）。当数字升级成「策略年化50%」「回测夏普3」时，追问清单也要升级——现在你有了四大杀手的完整武器库。
由此产生的问题
面对任何亮眼的业绩数字，系统性的追问顺序是什么？
核心概念
七连问（按杀伤力排序）：①回测还是实盘？（实盘几年？）②成本假设多少？（换手×成本算年化损耗）③样本内还是样本外？（样本外怎么留的？）④用了未来数据吗？（财务公告日/信号成交时点）⑤含退市股吗？（小盘策略必问）⑥样本多长、覆盖几轮牛熊？⑦规模多大时做到的？（容量问题）外加灵魂一问：参数调了几轮？
为什么需要它
①识别信号：答不上或含糊的回答本身就是答案；②反向训练：这七个问题就是你未来自己回测报告的自查目录——能防别人的矛，才能铸自己的盾；③社交货币：量化圈聊天的品位就体现在问什么问题上，问对问题比讲对答案更显专业。
实际应用场景
面试角色互换：当面试官问「你怎么看这个策略」（给一个回测漂亮的策略让你评价）——七连问就是标准答案框架，这是量化面试的经典题型。
与之前知识的联系
q-019三问+q-084四杀手合并升维。q-090的毕业自测会检验你能否自然地问出这些问题。
⚠ 常见误解
- 追问显得不礼貌：专业圈里，被问到点子上=给对方面子；经不起追问的业绩本来就不值得你的时间
- 问题清单背下来就行：每个问题要能「听懂答案里的问题」——对方说「成本万三」你要立刻能换算年化损耗
- 实盘一年就够可信：一年样本的运气成分极大（统计显著性，阶段3展开）；两三年+多市场环境才初具说服力
🛠 本题实践任务
找一篇网络上的策略分享（知乎/公众号/雪球），用七连问逐条对照，写一份「追问记录」——对方信息里哪些问题能回答、哪些缺失？
💡 提示（先自己想5分钟再看）
优先选晒回测曲线的帖子；缺失的答案往往比给出的答案更有信息量。
✅ 验收标准
一份七连问对照表+一段50字总评。练三次，这套追问会成为你的本能。
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（四大杀手、收益率防骗），再用案例、公式和代码帮助理解。此功能需要先启用服务。