日收益率的小数习惯：0.01还是1%？
我的掌握程度：
先掌握这个答案
规范：一切计算用小数（0.01=1%）；一切展示用百分比（"1.00%"）。pandas的坑：pct_change()返回小数——但如果你Excel导入的列是"1.23"（表示1.23%）需要÷100。年化一致性：日收益0.05%（小数0.0005）年化×252=0.126=12.6%——全程小数、只在最终打印时×100。检查三步：①看均值（日收益均值0.0005≈合理）②看std（日波动0.01-0.03=合理）③算年化后量级是否合理。
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）
背景 · 从一个困惑说起
1%的日收益在Excel里输入1%、在Python里应该是0.01——这个看似琐碎的细节是新手bug的常客：百分号混进运算后结果差100倍。
由此产生的问题
小数与百分数的表示规范？pandas/numpy中的坑？年化时的一致性检查？
核心概念
规范：一切计算用小数（0.01=1%）；一切展示用百分比（"1.00%"）。pandas的坑：pct_change()返回小数——但如果你Excel导入的列是"1.23"（表示1.23%）需要÷100。年化一致性：日收益0.05%（小数0.0005）年化×252=0.126=12.6%——全程小数、只在最终打印时×100。检查三步：①看均值（日收益均值0.0005≈合理）②看std（日波动0.01-0.03=合理）③算年化后量级是否合理。
为什么需要它
①100倍错误的免疫：一个百分号问题可以让年化从12.6%变成1260%——浪费半天debug；②工程规范的成本效益：花5分钟养成习惯避免未来每次的5分钟排查；③与pct_change的一致：它给的是小数——如果你忘了÷100在后续乘法中会"看起来对"直到某处不对——渐进式错误最难查。
实际应用场景
防御性代码：df['ret'] = df['ret'] / 100 如果源数据是百分数；打印时用f"{value:.2%}"自动格式化。
与之前知识的联系
q-201（收益率家族）的工程细节；pandas操作的规范之一（与q-339 dtype同为数据管道的卫生检查）。
⚠ 常见误解
- pandas会自动识别百分号：不会——"1.23%"是字符串、1.23是数字——你必须手动÷100
- 结果看起来差不多就行：0.0001和0.01差100倍——年化后差异从2.5%变成252%——量级检查是唯一防线
- 百分号只是显示问题：在数学运算中它就是×100的隐含操作——混用=每步差100倍——不是显示是逻辑
🛠 本题实践任务
检查你的收益率列：跑check_return_scale——量级合理吗？如果异常高100倍——加一行÷100修复。
💡 提示（先自己想5分钟再看）
A股日收益合理区间：均值±0.001、std 0.01-0.03。超出=检查。
✅ 验收标准
一次量级检查+修复（如需要）。一个5分钟的检查习惯——终身免疫100倍bug。
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（收益率表示），再用案例、公式和代码帮助理解。此功能需要先启用服务。