股票收益率平均值为什么用1+——标准砖总消耗量公式中为什么要用1+损耗率，那个1是什么意思

一、算术平均利率与几何平均利率的区别？大神们帮帮忙

算术平均回报率和几何平均回报率在金融学中的运用： 例： 算术平均回报率rA就是每年回报率的平均值。
如果r1到rn是n年来的年回报率，那么rA=(r1+ r2...+ rn)/n。
几何平均回报率或者说复利回报率rG就是每年所有收入乘积的n次方根减去1。
它的数学表达式就是rG=[(1+ r1)(1+ r2)...(1+ rn)]l/n– 1。
一项能够获得几何平均回报率rG的资产在n年后累积的财富将是初始投资的(1+ rG)n倍。
几何平均回报率约等于算术平均回报率减去年回报率方差σ2的一半，即rG≈rA–?σ2。
 投资者只有在长期才能预期实现几何平均回报率。
几何平均回报率总是小于算术平均回报率，除非每年的回报率都完全相同。
这个差额反映了年回报率的波动性。
 用一个简单的例子来解释这个差额。
如果一个投资组合在第一年下跌了50％，接着第二年又翻了一番(上升到原来的水平)，“买进并持有”的投资者就又回到了他的起点，总回报率为0。
按照前面的定义，以复利或者几何利率计算是(1–0.5)(1＋1)–1，它准确衡量了两年来为零的总收益率。
 而算术平均年利率为(–50％+100％)/2=25％。
对于两年期的情况，通过成功掌握市场时机，算术平均回报率可以逐渐靠近复利回报率或者总回报率。
特别的，可以通过增加第二年投入的资金，而后就可以期待股票价格的回升。
但是假如股市第二年又下跌了，这个策略就是不成功的，导致其总收益要低于“买进并持有”投资者的所得。
  哪种投资能保证真正固定或者确定的收益呢？……本书的每一位读者都将很清楚地意识到，一个投资于债券的人实际上是在进行总体物价水平或是货币购买力的投机活动。

二、股市日收益率怎么计算啊? 比如说沪市日收益率? 有关历史数据在哪里能够得到呢?谢谢！

首先可以肯定的说“钱龙”股票软件和数据都是免费的，你可以在它的网站下载。
*：//*qianlong*.cn至于“日收益率”，很少听说，个人理解应该是把当日所有的股票的涨跌幅数据进行统计，算出平均数。

三、标准砖总消耗量公式中为什么要用1+损耗率，那个1是什么意思

1 表示理论用量，即在没有损耗状态下的用量因为实际上要有损耗，所以要加上损耗量总消耗量=理论用量 + 损耗量              =理论用量 + 理论用量 * 损耗率              =理论用量 * (1+损耗率)

四、股票的预期收益率和方差怎么算

具体我也不太清楚，所以帮你搜了一下，转发给你看，希望能帮到你！例子：上面两个资产的预期收益率和风险根据前面所述均值和方差的公式可以计算如下：1。
股票基金     预期收益率=1/3*(-7%)+1/3*12%+1/3*28%=11%     方差=1/3[(-7%-11%)^2+(12%-11%)^2+(28%-11%)^2]=2.05%    标准差=14.3%(标准差为方差的开根，标准差的平方是方差)2。
债券基金     预期收益率=1/3*(17%)+1/3*7%+1/3*（-3%）=7%     方差=1/3[(17%-7%)^2+(7%-7%)^2+(-3%-7%)^2]=0.67%     标准差=8.2%注意到，股票基金的预期收益率和风险均高于债券基金。
然后我们来看股票基金和债券基金各占百分之五十的投资组合如何平衡风险和收益。
投资组合的预期收益率和方差也可根据以上方法算出，先算出投资组合在三种经济状态下的预期收益率，如下：      萧条：50%*(-7%)+50%*17%=5%      正常：50%*(12%)+50%*7%=9.5%      繁荣：50%*(28%)+50%*(-3%)=12.5%则该投资组合的预期收益率为：1/3*5%+1/3*9.5%+1/3*12.5%=9%该投资组合的方差为：1/3[(5%-9%)^2+(9.5%-9%)^2+(12.5%-9%)^2]=0.001%该投资组合的标准差为：3.08%注意到，其中由于分散投资带来的风险的降低。
一个权重平均的组合（股票和债券各占百分之五十）的风险比单独的股票或债券的风险都要低。
     投资组合的风险主要是由资产之间的相互关系的协方差决定的，这是投资组合能够降低风险的主要原因。
相关系数决定了两种资产的关系。
相关性越低，越有可能降低风险。

五、为什么求增长率要用(1+X)的平方 而不是（1+X）？ 是固定的吗？

设初始数据为a，增长率为X，则第二年的数据为a(1+X)，第三年按同比率增长的话就是以a(1+X)为初始数据了，所以第三年的数据为a(1+X)1+X)，也就是二次方了啊。
类似的，往后就是三次方 四次方。
。
。
 回答满意的话，请采用哦。
谢谢了！

参考文档