第105章期末排名暗合“淨值曲線”
第105章期末排名暗合“淨值曲線”(第1/5頁)
第105章期末排名暗合“淨值曲線”
高二上學期期末考試結束，成績公布。古民的總分位列班級第9，年級第78名。這是他自高一以來的最好排名，首次躋身班級前十，年級排名也較期中考試提升了近30位。單科成績：數學135分（班級第3），物理91分（班級第15，較期中提升13分），化學102分（班級第8），生物95分（班級第10），語文112分（班級第12），英語105分（班級第18）。總分與排名數據被班主任用投影儀展示在屏幕上，引發了一陣小小的議論——這個平日沉默、家境普通、理科分科後並未被特彆看好的學生，成績呈現出一股穩定而清晰的上升勢頭。
對古民而言，這個結果既在預期之內，也提供了遠超分數本身的驗證價值。他冇有沉浸在排名的喜悅或對具體題目的糾結中，而是立刻啟動了一項新的分析任務：將整個學期的學習曆程，視為一次為期數月的“個人學習投資組合”運作，用期末成績與排名數據，來檢驗和評估其“投資策略”（夏普比率精力分配）與“投資工具”（數學錯題集、作文素材庫等係統）的有效性，並試圖繪製出其“學習淨值曲線”的初步形態。
他需要的數據包括：
1.曆史淨值（成績）序列：高一期末、高二開學考、期中考試、本次期末的標準總分（為便於比較，他將每次考試總分按本次期末難度進行標準化換算，得到一個近似的、可比較的“淨值”）。
2.收益（進步）數據：每次大考相對於前一次的“淨值”增長（率）及排名提升。
3.風險（波動）數據：各次考試單科成績的標準差，以及總分的波動情況。
4.歸因分析：結合“夏普比率”模型中的時間分配記錄、各科“提分效率”預估、以及兩大“知識引擎”的運行日誌，分析淨值增長的主要驅動因素和潛在風險點。
第一步：數據標準化與“淨值曲線”繪製。
他利用晚自習時間，在“商業洞察日記”的電子表格中建立分析模型。
淨值計算：由於每次考試難度、範圍不同，直接比較原始總分不科學。他采用“排名錨定法”進行近似標準化。假設年級前100名構成“有效樣本”，他將自己每次考試的原始總分，與當次考試年級第50名（中位數）的分數進行比較，計算出一個相對比值。然後，以本次期末自己的原始總分為基準（設為“淨值1.0”），將前幾次考試的這個相對比值按比例換算，得到近似的“曆史淨值”。
計算後，他得到淨值序列（估算）：
高一期末：淨值≈0.82（年級排名約150）
高二開學考：淨值≈0.85（年級
（本章未完，請點擊下一頁繼續閱讀）