📚 课程目录第2章收益率定义与类型

收益率定义与类型：简单收益率、对数收益率、算术与几何收益率的区别与转换

在金融时间序列分析中，收益率是构建模型、评估风险与绩效的最基础变量。与原始价格序列相比，收益率序列具有良好的统计性质（如平稳性、弱相关性），因此几乎所有量化建模（如GARCH、VaR、因子模型）都直接作用于收益率序列。本章将系统梳理简单收益率、对数收益率、算术与几何收益率的定义、适用场景、转换关系及常见误区，为后续的统计检验与建模打下坚实基础。

2.1 简单收益率与对数收益率的定义

简单收益率（Simple Return），又称算术收益率，是最直观的收益度量方式。它衡量的是资产价格从一个时点到另一个时点的相对变化。对于单期（如日度、月度），简单收益率定义为：

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

其中 P_t 为第 t 期价格。简单收益率的取值范围为 [-1, +∞)，即最大亏损为 -100%（价格归零），而上涨空间理论上无上限。这一非对称性在统计建模中会带来偏态问题。

对数收益率（Log Return），又称连续复利收益率，定义为价格比的自然对数：

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

对数收益率的取值范围为 (-∞, +∞)，在数学处理上更为便利。其最重要的性质是时间可加性：多期对数收益率等于各期对数收益率之和，即 r_T = r_1 + r_2 + ... + r_T。这一性质使得对数收益率在建模中具有天然优势——无需处理复利乘积，直接求和即可。

核心原理：简单收益率对应离散复利，对数收益率对应连续复利。当持有期极短（如高频交易中的分钟级数据）时，两者几乎无差异；但当持有期较长或波动较大时，差异显著。金融计量中，建模优先使用对数收益率，而绩效评估与组合管理常使用简单收益率。

2.2 算术收益率与几何收益率的区别

算术平均收益率（Arithmetic Mean Return）是对各期简单收益率直接求平均：

R_avg = (1/T) × Σ R_t

它适用于各期收益率相互独立且无复利效应的场景，常用于估计单期期望收益。但算术平均会高估多期累计收益，因为它忽略了收益的波动性对复利增长的拖累。

几何平均收益率（Geometric Mean Return）则考虑了复利效应，计算公式为：

R_geo = [(1+R_1)(1+R_2)...(1+R_T)]^(1/T) - 1

几何平均收益率反映的是实际年化增长率，它永远小于或等于算术平均收益率，两者之差约为方差的一半（即 Jensen 不等式效应）。对于投资者而言，几何平均才是真正关心的“钱袋子增长率”。

对比维度	算术平均收益率	几何平均收益率
计算公式	(1/T) × Σ R_t	[∏(1+R_t)]^(1/T) - 1
是否考虑复利	否	是
数值关系	≥ 几何平均	≤ 算术平均
适用场景	估计单期期望收益、统计推断	评估长期投资绩效、资产增长
对波动敏感度	不敏感	波动越大，两者差距越大
统计性质	无偏估计量	有偏（低估真实均值）

2.3 简单收益率与对数收益率的转换

在实际工作中，经常需要在两种收益率之间切换。转换关系如下：

从简单收益率到对数收益率： r_t = ln(1 + R_t)。当 R_t 较小时，可用泰勒展开近似：r_t ≈ R_t - R_t²/2 + R_t³/3。
从对数收益率到简单收益率： R_t = exp(r_t) - 1。多期简单收益率 R_T = exp(Σ r_t) - 1。
组合层面的转换： 组合的对数收益率不等于各资产对数收益率的加权平均（因为对数函数非线性），但组合的简单收益率等于各资产简单收益率的加权平均。因此，在组合分析中，通常先计算组合的简单收益率，再转换为对数收益率进行建模。

实战经验：当处理日度数据时，由于日收益率通常小于 2%，简单收益率与对数收益率的差异在 0.02% 以内，可以近似互换。但在处理月度、季度或年度数据时，必须严格区分。例如，某资产月度收益率从 +10% 到 -10%，简单收益率的算术平均为 0%，但几何平均为 -0.5%，而对数收益率的算术平均为 -0.5%（与几何平均一致）。这说明对数收益率的算术平均恰好等于几何平均的连续复利版本。

2.4 案例拆解：从价格序列到收益率序列的完整转换

假设某基金近 5 个交易日的净值数据如下：

日期      净值(P_t)
2024-01-02  1.0000
2024-01-03  1.0200
2024-01-04  1.0100
2024-01-05  1.0450
2024-01-08  1.0300

第一步：计算单期简单收益率。R_1 = (1.02-1.00)/1.00 = 2.00%；R_2 = (1.01-1.02)/1.02 = -0.98%；R_3 = (1.045-1.01)/1.01 = 3.47%；R_4 = (1.03-1.045)/1.045 = -1.44%。

第二步：计算单期对数收益率。r_1 = ln(1.02/1.00) = 1.98%；r_2 = ln(1.01/1.02) = -0.99%；r_3 = ln(1.045/1.01) = 3.41%；r_4 = ln(1.03/1.045) = -1.45%。

第三步：计算多期收益率对比。简单收益率连乘：1+R_T = 1.02 × 0.9902 × 1.0347 × 0.9856 = 1.0300，即 R_T = 3.00%。对数收益率求和：r_T = 1.98% - 0.99% + 3.41% - 1.45% = 2.95%。验证：exp(2.95%) - 1 = 2.99% ≈ 3.00%（差异来自四舍五入）。

第四步：计算算术与几何平均。算术平均简单收益率 = (2.00% - 0.98% + 3.47% - 1.44%) / 4 = 0.76%。几何平均简单收益率 = (1.0300)^(1/4) - 1 = 0.74%。两者差异 0.02%，源于收益率的波动性。

常见误区提醒：① 不要将多期简单收益率直接相加，必须使用连乘；② 不要将多期对数收益率连乘，必须使用求和；③ 在回归模型中，若使用简单收益率作为因变量，残差往往呈现异方差性，而对数收益率能更好地稳定方差；④ 当价格出现极端下跌（如 -30%），简单收益率与对数收益率的差异可达 5 个百分点以上，此时近似转换会引入显著误差。

2.5 收益率类型选择的决策框架

在实际建模中，选择哪种收益率取决于分析目的：

时间序列建模（ARIMA、GARCH、随机波动率）： 首选对数收益率。其无界性、可加性、近似正态性使得模型假设更易满足。
横截面分析（因子模型、选股策略）： 使用简单收益率。组合的简单收益率是成分证券简单收益率的线性组合，便于归因分析。
绩效评估（夏普比率、索提诺比率）： 使用简单收益率计算，但多期年化时使用几何平均。
衍生品定价（BSM 模型）： 使用对数收益率，因为资产价格假设服从对数正态分布。
风险度量（VaR、CVaR）： 两种均可，但需保持一致性。若使用历史模拟法，建议使用对数收益率以消除价格水平影响。

应用场景	推荐收益率类型	原因说明
GARCH 波动率建模	对数收益率	方差稳定性更好，满足正值约束
组合优化（均值-方差）	简单收益率	组合收益是线性的，协方差矩阵计算方便
多期业绩归因	几何收益率	准确反映复利增长，避免高估
高频数据（分钟级）	对数收益率	数值更稳定，避免价格跳空影响
债券到期收益率	对数收益率	与连续复利一致，便于利率期限结构建模

2.6 总结与复盘

本章的核心要点可归纳为：简单收益率直观但不可加，对数收益率抽象但可加；算术平均高估增长，几何平均反映真实增长。在金融建模中，对数收益率是“工作马”，简单收益率是“沟通语言”。两者之间的转换并不复杂，但必须注意适用边界——当收益率值超过 5% 时，近似转换的误差不可忽视。