阶段3收益率数学●●●●●

简单与对数收益率的换算与使用边界

我的掌握程度：

q-202精讲

先掌握这个答案

换算：R=ln(1+r)，r=e^R−1。使用边界铁律：①横截面方向（组合加权）：只能用简单收益——组合收益=Σwᵢrᵢ（简单），对数收益加权平均≠组合对数收益（Jensen不等式，差≈方差项的一半）；②时间序列方向（跨期累加）：对数收益直接求和最方便，简单收益需连乘。结论：一句话记忆——「横着用简单，竖着用对数」。

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

先核对现金流与期限

没有中途出入金时才可直接用期末/期初计算持有期收益；分红、费用要避免漏计或重复计入。有出入金时区分时间加权与资金加权。复合年化使用净值比的幂，算术均值年化用于不同统计目的。

本阶段实战方法 · 每个统计量都要带单位和假设

计算收益、波动、回归、显著性或相关性时，先明确样本和推断条件。

写清收益频率、样本数、缺失处理、是否含费用；百分数与小数不可混用。
手算一组小样本，再用代码复算；区分算术均值年化、复合年化和年化波动。
解释假设不成立会发生什么：自相关、肥尾、非平稳与多次试验都会影响结论。

使用边界

p值不是原假设为真的概率，也不是策略未来盈利概率。
日波动×√252依赖时间聚合假设；252是教学常用交易日数，实际市场与口径可能不同。

不懂的术语：收益率（Return）对数收益率（Log Return）方差 / 标准差（Variance / Std）

背景 · 从一个困惑说起

一位新研究员把组合里三只股票的对数收益率直接按权重平均，得到「组合对数收益」，再exp回简单收益——年化结果和对账系统差了0.8%。排查两天，发现病根在对数收益不能横截面加权。这类边界错误每天在无数回测代码里发生。

由此产生的问题

简单与对数收益率的精确换算是什么？横截面（跨资产）与时间序列（跨期）两个方向各自该用哪个？错误的代价有多大？

核心概念

为什么需要它

①精度即金钱：组合含高波动资产时，错用对数加权会系统性低估组合收益（幅度≈0.5×横截面方差）；②读懂文献：学术论文默认log return，工程系统多用simple return，换算意识是跨界的翻译器；③本题是阶段4代码实战的数学地基——pandas里pct_change（简单）与np.log().diff()（对数）两条代码线正对应两个世界。

实际应用场景

回测引擎标准写法：日度组合收益用简单收益加权 → 净值连乘；风险分析（波动/相关性/回归）在同一段历史上用对数收益。两套数各管一段，账目分毫不差。

与之前知识的联系

q-201给了公式家族总表，本题划定使用边界——从此你在pandas里每次选择pct_change还是log().diff()，都有明确的判据。下一题起进入年化与统计量的推导（√252的来历就在前方）。

⚠ 常见误解

小差异无所谓：年化差0.8%在10亿规模=每年80万，且方向性偏差会误导因子评价
对数收益加权后exp回来就还原了：Jensen不等式保证这只在零波动时成立，波动越大偏差越大
教材用什么我就用什么：教材用对数是为了数学方便，你的对账系统用的是真金白银的简单收益——边界必须自己把关

🤖 AI导师

导师会先检查你的前置知识（简单收益率公式、对数收益率公式），再用案例、公式和代码帮助理解。此功能需要先启用服务。