同一收益曲线按日和按周算夏普，为什么不完全一致
同一条收益曲线按日和按周算夏普，不完全一致不一定是错误。日收益聚合成周收益需要连乘，均值、标准差与观测数量都会变化；年化还要选定相应频率因子。累计回报相同，只约束增长因子的乘积，不要求两种采样统计量相同。
二十日序列怎样构造四个周收益？
本页是标准库统计与账表实验，未运行第三方回测框架。构造二十个等间隔交易日收益率，每五个划成一个实验周，不含费用、外部资金与缺值。日收益以小数存储，起始净值设一，所有周收益都由对应五日的一加收益率连乘减一生成，不使用简单加总。
风险免费率设零，因此分子直接用各频率样本均值；波动采用分母n减一的样本标准差。年化展示选日252、周52，并明确它们是本实验使用的约定，不声称二十个交易日已经足以代表一年。这两个年化标签与原始统计量都保留，便于替换因子后重算。
| 实验周 | 五个日收益率 | 复合周收益率 |
|---|---|---|
| 1 | 1.00%、-0.40%、0.60%、-0.20%、0.30% | 1.30016838% |
| 2 | -0.80%、0.20%、0.10%、0.40%、-0.10% | -0.20410620% |
| 3 | 0.50%、0.30%、-0.70%、0.20%、0.40% | 0.69726560% |
| 4 | -0.30%、0.60%、-0.20%、0.10%、0.50% | 0.69868971% |
| 采样 | 期数 | 均值 | 样本标准差 | 年化因子 | 零基准夏普 |
|---|---|---|---|---|---|
| 日 | 20 | 0.001250000 | 0.004575392 | 252 | 4.336925778 |
| 周 | 4 | 0.006230044 | 0.006201898 | 52 | 7.243828875 |
日连乘总回报2.509552256%，周连乘总回报2.509552256%。
二十日全部连乘的总回报，与四周增长因子连乘的总回报相同，程序独立核对这一关系。日均值和周均值却不是简单五倍关系，周标准差也不一定等于日标准差乘五的平方根。若用机械缩放代替真实聚合，就跳过了本题需要观察的差异。
为什么不能把五日收益直接相加？
例如某日上涨后，下一日收益作用于变化后的基数，交叉项会进入多日结果。即使每日日收益都很小、加总近似看起来接近，也应保留精确连乘作核验。二十日与四周终点不相等时，先查分组边界、漏日和聚合公式，再讨论夏普差额。
若第一周或最后一周不是完整五日，本页分组规则就不能原样使用。可以保留不完整组并说明观测跨度，也可以按事先规则排除，但要同时记录丢失日数。不能一份周序列含短周、另一份按完整五日，随后以相同52因子比较而不披露。
本例使用编号日而非现实交易日历，因此不涉及节假日、时区和周末估值。真实采样需要明确一周的结束日及非交易日处理。周五缺失并不意味着可以无依据补一个零收益，再宣称周数据完整。
平方根年化依赖什么条件？
将波动按频率平方根缩放，隐含有关收益序列相关与分布稳定的假设。若收益之间相关、波动随时间改变，日与周方差关系就不能机械按独立同分布近似。本文只列出构造序列的实际统计量，不从四个周样本估计出可靠长期性质。
日252与周52也不是严格的五倍对应关系。若要专门隔离年化因子的影响，可把周因子改为252除5，即50.4，其他统计量不动后比较。改变这个显示约定不会改变累计回报，但会改变年化夏普，因此输出应包含原始均值与标准差，不能只存最终比例。
非零风险免费率时，还需要把它转换到与收益相同频率再形成超额序列。不能把年无风险率直接从每天收益里减一遍，也不能周序列沿用日频扣减额。本页设零，是为了让实验集中于采样，不等于真实现金基准永远为零。
四个周样本能够判断策略更好吗？
不能。样本极少时均值和标准差都不稳定，任何一周变化都可能显著影响比值。本页刻意使用短序列，使每个输入可完整列出，但可复算性不等于统计可靠性。不能因为周夏普高于日夏普，就说换成周交易创造了更好策略。
这里没有改变交易行为，只是重采样同一回报路径。若真实策略改成每周调仓，成交时点、持仓和成本都会变化，已经不是本页同曲线比较。把采样频率改动和策略执行频率改动混为一谈，会把统计显示差额误读成经济收益提升。
核验时怎样判断是实现还是口径不同？
先用原始日序列确认总回报，再按明确边界生成周序列；确认样本标准差还是总体标准差；随后检查风险免费率与年化因子。任何一个口径不同，都可能合法地产生不同结果。若这些完全一致仍不符，再查百分数单位与浮点精度，而不是先认定哪一个工具算错。
[!pitfall] 夏普值较高不证明风险更小或策略更可靠。采样、缺值与年化约定可以改变数字，本页实验没有给出任何未来收益推断。
夏普与索提诺母文提供基础，收益曲线诊断说明路径口径。夏普工具可作基础统计参照，日周聚合与小样本对照由本文独立演算，不假定工具支持任意重采样。留存序列、频率与标准差定义，结果才可追溯。
同一序列能否仅通过改变分组起点改变结果？
可以。若从第二个实验日才开始每五日一组，组内正负收益组合会不同，首尾还会形成不完整周。即使覆盖相同总区间，分组边界也可能改变周收益分布及标准差。因此应固定采样锚点，保留分组前后覆盖日清单，不根据夏普更高来挑起点。
另一个独立检查是将每周增长因子继续连乘，与原日度终点比较；再将四个周收益直接送入同一均值和样本标准差函数，避免一份用总体分母、一份用样本分母。这个过程验证输入转换和统计定义，没有验证年化假设。短序列的每一位数都能复算，仍然不应据此给长期置信结论或风险承诺。
计算与来源怎样复核？
Python统计函数文档用于核对样本标准差与均值的实现定义，不能据此推导收益分布的统计假设成立。来源核对日：2026-10-23。
署名：道积君编辑组。本文由AI辅助起草，所有数据为构造教学示例，金额、日期与公式经程序复算，不是实盘、真实市场历史或第三方框架运行结果。仅作投资教育，不推荐证券、平台或产品，不预测或保证收益。
复算资料
本篇编号为DJ106。可下载Python核算脚本（文本）与完整输入输出JSON，对照文中表格复算。脚本文件改存为.py后可用Python运行；数据均为构造教学样本。