第4章单资产收益与风险

第4章：单资产收益与风险——收益率计算、年化处理与波动率

各位同学，欢迎来到第四讲。今天咱们聊点实在的——单资产的收益和风险怎么算。

说实话，我见过不少刚入行的朋友，一上来就搞复杂的多因子模型，结果连最基础的收益率都算错了。嗯，这其实挺要命的。我个人习惯是，先把单资产这关过扎实了，再去碰组合优化。你想想看，连一支股票的收益都算不明白，怎么去衡量几十支股票的组合风险？

4.1 简单收益率 vs 对数收益率

先问个问题：你今天买了100块的股票，明天涨到110块，你赚了多少？

大部分人会说10%。没错，这就是简单收益率。

简单收益率公式：

R_simple = (P_t - P_{t-1}) / P_{t-1}

说白了就是：今天的价格减去昨天的价格，再除以昨天的价格。

但我在项目中遇到过一个问题：当我们要计算多期收益率时，简单收益率就有点尴尬了。比如连续两天涨10%，总收益不是20%，而是21%——因为复利效应。这就引出了另一个概念：对数收益率。

对数收益率公式：

R_log = ln(P_t / P_{t-1})

为什么用对数？两个原因：

可加性：多期对数收益率可以直接相加。比如两天各涨10%，对数收益率加起来就是总的对数收益率。
正态性假设：金融数据里，对数收益率更接近正态分布。这对后续的统计建模很重要。

我的建议：做学术研究或风险建模时，优先用对数收益率。做日常汇报或绩效展示时，用简单收益率——因为老板更容易理解“我赚了10%”而不是“我的对数收益率是0.0953”。

4.2 年化处理——把不同时间尺度的收益拉到同一把尺子上

你有一个策略，一个月赚了2%。另一个策略，半年赚了10%。哪个更好？

没法直接比，对吧？因为时间尺度不一样。这时候就需要年化处理。

年化收益率的核心思想很简单：假设收益可以复利滚动，把短期收益换算成一年的收益。

年化收益率公式：

R_annual = (1 + R_period)^(252 / n) - 1

其中 n 是持有天数，252 是一年大概的交易天数。

举个例子：你持有某股票30天，收益5%。那年化收益就是：

(1 + 0.05)^(252/30) - 1 ≈ 49.8%

嗯，看着很诱人对吧？但我要泼盆冷水——年化收益率不代表你每年都能赚这么多。它只是一个标准化工具，方便你比较不同策略。

我曾经踩过的坑：有一回我拿一个高频策略的周收益做年化，算出来年化300%多。当时兴奋得不行，结果实盘跑了一个月就亏回去了。为什么？因为那周的收益是运气，不是能力。年化处理假设收益模式可以持续，但现实中很少有这么完美的事。

另外，年化处理也适用于年化波动率。公式类似：

σ_annual = σ_daily × √252

这里有个细节：波动率是用平方根法则，不是乘法。因为波动率是标准差，而标准差随时间的增长是平方根关系。

4.3 波动率计算——风险到底怎么量化？

说到风险，大部分人第一反应是“亏钱的可能性”。但在量化金融里，我们通常用波动率来度量风险。说白了，就是收益率的波动幅度。

波动率的计算分三步：

计算每日收益率（建议用对数收益率）
计算这些收益率的标准差
年化处理（乘以√252）

代码实现其实很简单：

import numpy as np
import pandas as pd

# 假设 prices 是价格序列
returns = np.log(prices / prices.shift(1))
daily_vol = returns.std()
annual_vol = daily_vol * np.sqrt(252)

print(f"日波动率: {daily_vol:.4f}")
print(f"年化波动率: {annual_vol:.4f}")

注意：这里用的是样本标准差（ddof=1），不是总体标准差。因为我们是拿样本估计总体，少一个自由度更准确。我见过有人直接用 np.std() 默认参数，结果算出来的波动率偏小——嗯，这种细节往往就是专业和业余的分水岭。

4.4 一张图看懂本章核心

下面这张SVG图，把本章的知识结构串起来了。你可以把它当作一个思维导图来看：

4.5 实战中的几个要点

最后，我分享几个实战中容易忽略的点：

数据频率问题：日数据用252，周数据用52，月数据用12。别搞混了。
分红和拆股：计算收益率时，要用复权价格。否则分红那天你会看到价格突然跳空，收益率算出来是负的——其实你并没有亏钱。
缺失值处理：如果某天没有交易（比如停牌），收益率应该用NaN，而不是0。用0会低估波动率。

我曾经犯过的错：有一回我处理美股数据，没注意节假日。结果周五到周一算出来一个3天的收益率，波动率一下子被拉高了。后来我改成只计算相邻交易日的收益率，才把问题解决。所以，永远检查你的数据是否有跳空。

好了，这一章的内容就到这里。收益率计算、年化处理、波动率计算——这三板斧看似简单，但用好了，你就能对任何单资产的风险收益特征有个清晰的判断。下一章我们会把这些工具用到多资产上，开始接触真正的组合优化。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录