1 几何收益率的基本概念
几何收益率是一类累计收益度量方法，核心以“倍率乘积”为基础。对多期表现而言，每一期的收益先表示为增长因子（常写作 \(1+r_t\)），再将各期增长因子连乘得到总增长因子；随后将该总增长因子换算为等效的累计收益率。由于复利机制天然对应乘法累积，因此几何口径能够更贴近资金随时间滚动后的真实增长路径。
在实际应用中，“几何”通常不是指空间几何意义，而是指与复利相一致的乘法（连乘）累积方式。该口径常用于长期业绩评估、投资组合回测、以及以累计增长因子为中间量的风险度量与统计建模。
1.1 几何收益率与复利增长的关系
复利增长描述的是：每一期的期末资金规模会成为下一期的计息基础。若第 \(t\) 期收益率为 \(r_t\)，则资金规模的增长倍数为 \(1+r_t\)。多期合在一起时，整体资金规模相当于各期增长倍数的连乘，因此累计收益在“复利一致性”的意义下应当采用几何口径。
换言之，若将业绩看作从初始资金到终值的增长倍率，那么几何收益率直接刻画“起点到终点的等效增幅”，与复利滚动的资金变化机制保持一致。
1.2 倍率（增长因子）与收益率的对应
增长因子与收益率之间存在直接对应关系。若第 \(t\) 期收益率为 \(r_t\)，则增长因子记为 \[ g_t = 1+r_t. \] 当收益率为正时，增长因子大于 1；当收益率为负时，增长因子介于 0 与 1 之间（在常见情形下收益率不会低到使增长因子为负）。在几何收益率框架下，多期累计的关键对象就是这些增长因子的乘积。
此外，在便于表达时，增长因子也可理解为“单位资金在该期的期末倍数”，从而将收益率转换为更直观的规模变化因子。
1.3 与算术收益率口径的差异
算术收益率以“加和”或“平均”的方式汇总多期收益，例如通过 \[ \frac{1}{T}\sum_{t=1}^T r_t \] 得到平均收益水平。算术口径隐含一种线性累积假设，适用于某些以期内增量为目标的统计问题，但不一定与资金规模的复利演化一致。
几何收益率则对应“乘积—再换算”的路径：多期收益先以倍率形式进入连乘，再映射回等效累计收益。由于乘法累积对波动更敏感，几何结果通常更能反映“同样的单期表现如何共同作用”对总体增长的影响。
1.4 “累计收益”与“期内收益”口径澄清
期内收益是指某一时间段内的收益率（或增长因子）。累计收益则是将多个期内收益合并后的等效结果，常见做法是以起点与终点的资金倍率来定义。几何口径特别强调：累计收益应当与“起点到终点的复利一致性”相匹配。
因此，在使用几何收益率时，需要明确“累计”到底对应哪种对齐方式：是按相邻期逐段复利滚动，还是在不同时间切片之间重新拼接。只要期内收益的划分与数据频率一致，并遵守同一套换算约定，就能得到与等效终值一致的几何累计收益。
2 倍率乘积的累计收益口径
几何收益率在“倍率乘积”框架下可以形式化为：先计算多期增长因子的乘积，再将总增长因子转回累计收益率。
2.1 多期增长因子的连乘公式
设序列包含 \(T\) 期收益率 \(\{r_1,r_2,\dots,r_T\}\)，对应增长因子 \(\{1+r_1,1+r_2,\dots,1+r_T\}\)。总增长因子可写为 \[ G = \prod_{t=1}^T (1+r_t). \] 该乘积给出从初始价值到终值的等效倍率。若初始资金为 \(V_0\)，则终值对应 \[ V_T = V_0 \cdot G. \]
连乘结构体现复利一致性：任何一期的变化都会通过乘法影响整体倍率，而非仅以线性增量叠加。
2.2 从总倍率到累计收益率的换算
累计收益率通常定义为总增长因子减 1，即 \[ R_{\text{cum}} = G - 1 = \prod_{t=1}^T (1+r_t) - 1. \] 这样得到的 \(R_{\text{cum}}\) 是“等效累计收益率”，与终值倍率直接对应。也就是说，只要同一组期内收益在时间上连贯且按同一基准计量，累计收益就与分段细化方式不产生歧义（在数据划分与频率一致的前提下）。
在数值实现中，常见做法是先将每期增长因子转为乘积，再做减 1 的换算。
2.3 区间起止与数据频率的影响
几何口径的结果依赖于“期”的定义：区间的起止时点决定纳入哪些期内收益，数据频率决定每一期对应的时间长度。若将同一总体区间用不同频率划分（例如日度与周度），在严格意义上需要对应的收益计算方式与时间对齐，否则得到的乘积可能不同。
因此，使用几何收益率时，应明确：
- 起始与终止时点的取值（是否含边界、是否按收盘/净值口径）。
- 每一期收益率的计算逻辑（相邻两个净值之比、还是按复权/分红调整后的口径）。
- 频率下每期的长度是否一致。
在规范回测中，通常会将收益序列按固定频率生成，并保证起止与对齐方式一致。
2.4 处理缺失期与非同步定价的约定
真实数据中可能出现缺失期或多资产非同步定价。几何收益率框架下，对缺失与非同步的处理会影响连乘结果的可解释性与可比性。常见约定包括：
- 缺失期补齐为中性增长：若某一期没有有效定价，可采用增长因子为 1 的方式（等效收益率为 0），即不改变总倍率。这种做法适用于“价值应当保持不变或缺失仅为观测缺失”的情形。
- 前值延续或插值：在某些净值平滑或估值系统中，会以插值或估值模型生成缺失净值，再据此计算增长因子。此时乘积反映的是估计路径的累计增长。
- 非同步定价的统一频率：对多资产组合回测，通常先将各资产映射到共同的时间网格（例如用同一交易日频率），再计算每一网格上的组合收益。若直接跨不同时间戳拼接，会引入“时间步长不一致”，使几何累计的含义偏移。
无论选择哪种约定，关键在于：明确缺失期处理规则，并保持在同一分析框架下的一致性，以保证几何口径的比较基础。
3 年化与等效期间收益
当分析跨越不同跨度或需要可比的收益率指标时，通常会将几何累计收益换算为年化几何收益率。换算的前提是复利等效假设，即将每期增长因子视为可等效延展。
3.1 年化几何收益率的常见定义
给定区间内 \(T\) 期的累计增长因子 \(G=\prod_{t=1}^T (1+r_t)\)。若每期长度对应年化比例为 \(\alpha\)（例如日频则 \(\alpha=1/252\)，月频可用 \(\alpha=1/12\)），则年化几何收益率 \(R_{\text{ann}}\) 常用定义为： \[ 1+R_{\text{ann}} = G^{1/(\alpha T)}. \] 等价写法是将总体增长因子按“期数换算”折算到一年，再减 1 得到年化收益率。
该定义强调：年化指标来源于“终值倍率的复利等效”，因此与几何口径的连乘结构保持一致。
3.2 等效日/月/季换算与复利假设
日、月、季的差别主要体现在期与年的映射关系，即每一期对应多少比例的年份。换算常依赖交易日数量或日历约定。若采用固定交易日计数，例如日频按 252 个交易日近似一年，则年化指数的幂次对应 \(1/(T/252)=252/T\)。
复利假设则意味着：在统计意义上，可以将这段历史的平均乘法增长率“延伸”到未来同样频率的复利环境中。若未来波动结构或增长过程与历史差异显著，则年化数值更多体现“按历史乘法强度折算”的等效表达，而非严格预测。
3.3 与对数收益年化的对齐方式
对数收益与几何收益存在紧密关系。若将对数收益记为 \[ \ell_t=\ln(1+r_t), \] 则多期对数收益可相加得到 \(\sum_{t=1}^T \ell_t\)。几何年化通常可通过对数汇总再指数还原实现对齐： \[ \ln(1+R_{\text{ann}}) = \frac{1}{\alpha T}\sum_{t=1}^T \ln(1+r_t). \] 再对两侧取指数得到 \(1+R_{\text{ann}}\)。这种写法在数值稳定性与统计建模上更方便，因为连乘会在对数域变为加法。
3.4 年化在极端波动下的解释注意
在波动较大或存在极端涨跌时，年化结果可能对少数高影响期非常敏感。由于年化涉及幂次变换，连乘中的大倍率或接近 0 的增长因子会显著改变整体折算。需要注意的是：
因此，在解释几何年化时通常要结合回测周期、样本稳定性与风险指标一并审视。
4 与对数收益的联系与推导
几何收益率与对数收益之间的对应来自于数学恒等式：对乘积取对数会变为对和。该性质使得几何口径既可用乘积实现，也可在对数域中用加法实现，便于统计推导与建模。
4.1 连乘—对数相加的数学对应
由总增长因子 \(G=\prod_{t=1}^T (1+r_t)\) 可得 \[ \ln G = \sum_{t=1}^T \ln(1+r_t). \] 若定义对数收益 \(\ell_t=\ln(1+r_t)\)，则 \[ \sum_{t=1}^T \ell_t = \ln\left(\prod_{t=1}^T (1+r_t)\right). \] 因此，多期几何累积可以通过对数收益的加和获得，再通过指数函数恢复到增长因子或累计收益率。
这一对应保证了：几何收益的“连乘一致性”在对数域转化为“加法一致性”，两者本质等价。
4.2 几何收益率的统计性质直观解释
在很多统计建模中，均值与波动的处理更适合在加法结构下进行。对数收益使得时间聚合从乘法变成加法，从而更容易讨论：
直观上，可以把对数收益视为“增长倍率的对数刻度”，在这一刻度上叠加更符合常见统计工具的使用方式。
4.3 用对数收益近似几何口径的适用条件
在小收益假设下，对数收益与算术收益之间存在近似关系。因为当 \(r_t\) 较小，\(\ln(1+r_t)\approx r_t\)。在这种情况下，对数收益的统计量会与几何口径的变化方向较为一致，从而实现近似。
但需要强调：若收益率幅度较大，\(\ln(1+r_t)\) 与 \(r_t\) 的差异会变明显，近似就可能偏离真实几何累积。因此，“近似成立”主要依赖于收益幅度与频率下的数值大小，而非仅依赖口径命名。
4.4 方差、协方差在几何口径下的处理框架
在对数域中，累计量通常是对数收益的和。若采用对数收益序列 \(\ell_t\)，则多期累计对数收益为 \(\sum_{t=1}^T \ell_t\)。其方差可在相关结构已知或可建模的条件下表达为： \[ \mathrm{Var}\left(\sum_{t=1}^T \ell_t\right) = \sum_{i=1}^T\sum_{j=1}^T \mathrm{Cov}(\ell_i,\ell_j). \] 这为风险度量提供了清晰框架：波动与相关性先在对数收益上计算，再与增长倍率或收益率的尺度进行映射。
当考虑多资产组合时，上述协方差项扩展为多维的方差-协方差矩阵；组合的对数收益若可线性表示（或在近似假设下），则可进一步得到组合累计风险的量化表达。通过这一框架，几何口径在统计意义上更容易与常见的“相关性—风险”分析范式衔接。