先看指标之间的关系
| 指标 | 帮助回答的问题 | 需要继续检查 |
|---|---|---|
| Returns／收益 | 这段模拟产生怎样的收益？ | 单位、时期、模拟假设 |
| Sharpe | 收益相对于波动怎样？ | 年度稳定性与极端阶段 |
| Turnover／换手 | 组合权重变动是否频繁？ | 成本敏感性与信号寿命 |
| Fitness | 收益质量与换手综合如何？ | 公式各项是否匹配研究目的 |
| Drawdown／回撤 | 历史路径曾经历多大的下降？ | 持续时间、恢复与集中时期 |
| Correlation／相关性 | 与已有信号是否重复？ | 比较的是信号、收益还是平台特定口径 |
收益曲线、年度结果和提交检查是进一步解释这些指标的材料。单个数字应放回对应的表达式和设置中阅读。
Sharpe 在 BRAIN 里怎样理解
本次核验的官方指标提示，将 Sharpe 写为平均年化收益除以收益的年化标准差。它帮助比较收益与波动的关系，但汇总值可能掩盖不同年份之间的差异。
如果多数收益来自一个短暂阶段，应继续检查这段时期与研究假设的关系。比较候选时，也要保持时间段和股票范围一致；不一致时先解释设定差异。
Fitness 公式与一个算例
官方平台指标提示给出的公式为：
Fitness = Sharpe × sqrt(abs(Returns) / max(Turnover, 0.125))以下数字全部是教学示例。假设 Sharpe 为 1.5，Returns 为 10%（0.10）：
| Turnover | 代入公式的分母 | Fitness 约值 |
|---|---|---|
| 20%（0.20） | 0.20 | 1.06 |
| 10%（0.10） | 0.125 | 1.34 |
| 5%（0.05） | 0.125 | 1.34 |
这个例子说明：在其他项不变时，降低换手可以改善 Fitness，但公式中的换手分母有 0.125 的下限。真实实验中，修改窗口或平滑方式还可能改变收益与 Sharpe，因此应该重新计算全部指标。
回撤和年度表现为什么要一起看
相同的汇总收益可能来自不同路径。一种路径比较均匀，另一种路径可能经历长时间回撤再突然反弹。读结果时，把年度表现与回撤发生时间联系起来，可以更清楚地判断信号适用于怎样的市场环境。
进一步检查成本假设、股票覆盖和权重集中情况。若结果主要由少数股票贡献，或者在较小股票范围内表现较好，结论应保留对应范围。
相关性检查是在排查什么
多个公式看起来不同，仍可能利用同一种信息。比如只换窗口，得到的组合收益可能高度相似。研究候选时，比较相关性有助于发现重复来源和共同风险。
平台不同检查可能使用不同定义。记录“与谁比较、使用什么序列、比较期间是什么”，再解释结果。网上的单一阈值需要与自己的当前检查口径核对。
用失败项决定下一轮任务
换手较高时，研究信号持有时间和权重变化；权重集中时，检查缺失值、极端值与覆盖；某些时期效果差时，分析假设是否依赖特定环境；高度相关时，回到信息来源重新设计。
继续阅读 Challenge 备赛路线。如果能运行却无法解释差异，可以通过 研究辅导 讨论一轮有明确问题的回测复盘。
自己复算一次 Fitness
下面的计算器沿用本文公式，可以检查百分比单位和换手下限是否代入正确。初始值对应表中的第一行：Sharpe 1.5、收益率 10%、换手率 20%，结果约为 1.06。把换手率改为 10% 和 5%，两次都约为 1.34，因为它们都使用 0.125 的分母。
降低换手时，先保持其他输入不变，观察公式本身的变化；再换成真实模拟的完整指标，比较收益和 Sharpe 是否也发生变化。负收益在公式中取绝对值，但负 Sharpe 仍会得到负 Fitness。计算器只复算当前输入，不替代平台的提交检查。
FAQ：常见问题
Sharpe 和 Fitness 是同一指标吗？
不是。平台 Fitness 公式还结合 Returns 和 Turnover，所以两个 Sharpe 相同的候选可能具有不同 Fitness。
Fitness 的百分比应该怎样代入？
计算时收益和换手使用一致的小数单位，例如 10% 写成 0.10，20% 写成 0.20；不要把页面百分数的数字直接当成小数代入。
达到网上给出的 Sharpe 门槛就能提交吗？
提交检查可能同时涉及收益质量、股票子集、权重、相关性及具体模拟设置。应查看自己当前候选的全部检查结果。
官方来源与参考依据（官方一手资料）
以上链接仅用于事实核验。学习内容已由向上教育重新组织并在本页完整呈现。
下一步
把这一步变成自己的研究进展
联系向上教育，说明当前基础、目标等级、每周可投入时间和一个具体卡点。先确认下一步研究任务，需要辅导时再核对内容、周期、交付与费用。