高二上学期期末考试结束，成绩公布。古民的总分位列班级第9，年级第78名。这是他自高一以来的最好排名，首次跻身班级前十，年级排名也较期中考试提升了近30位。单科成绩：数学135分（班级第3），物理91分（班级第15，较期中提升13分），化学102分（班级第8），生物95分（班级第10），语文112分（班级第12），英语105分（班级第18）。总分与排名数据被班主任用投影仪展示在屏幕上，引发了一阵小小的议论——这个平日沉默、家境普通、理科分科后并未被特别看好的学生，成绩呈现出一股稳定而清晰的上升势头。
对古民而言，这个结果既在预期之内，也提供了远超分数本身的验证价值。他没有沉浸在排名的喜悦或对具体题目的纠结中，而是立刻启动了一项新的分析任务：将整个学期的学习历程，视为一次为期数月的“个人学习投资组合”运作，用期末成绩与排名数据，来检验和评估其“投资策略”（夏普比率精力分配）与“投资工具”（数学错题集、作文素材库等系统）的有效性，并试图绘制出其“学习净值曲线”的初步形态。
他需要的数据包括：
1. 历史净值（成绩）序列：高一期末、高二开学考、期中考试、本次期末的标准总分（为便于比较，他将每次考试总分按本次期末难度进行标准化换算，得到一个近似的、可比较的“净值”）。
2. 收益（进步）数据：每次大考相对于前一次的“净值”增长（率）及排名提升。
3. 风险（波动）数据：各次考试单科成绩的标准差，以及总分的波动情况。
4. 归因分析：结合“夏普比率”模型中的时间分配记录、各科“提分效率”预估、以及两大“知识引擎”的运行日志，分析净值增长的主要驱动因素和潜在风险点。
第一步：数据标准化与“净值曲线”绘制。
他利用晚自习时间，在“商业洞察日记”的电子表格中建立分析模型。
• 净值计算：由于每次考试难度、范围不同，直接比较原始总分不科学。他采用“排名锚定法”进行近似标准化。假设年级前100名构成“有效样本”，他将自己每次考试的原始总分，与当次考试年级第50名（中位数）的分数进行比较，计算出一个相对比值。然后，以本次期末自己的原始总分为基准（设为“净值1.0”），将前几次考试的这个相对比值按比例换算，得到近似的“历史净值”。
◦ 计算后，他
本章未完，请点击下一页继续阅读！