diff --git a/%E7%9F%A5%E8%AF%86%2F%E5%A4%8F%E6%99%AE%E6%AF%94%E7%8E%87.md b/%E7%9F%A5%E8%AF%86%2F%E5%A4%8F%E6%99%AE%E6%AF%94%E7%8E%87.md
index 96e1de2..c5ca227 100644
--- a/%E7%9F%A5%E8%AF%86%2F%E5%A4%8F%E6%99%AE%E6%AF%94%E7%8E%87.md
+++ b/%E7%9F%A5%E8%AF%86%2F%E5%A4%8F%E6%99%AE%E6%AF%94%E7%8E%87.md
@@ -1,3 +1,29 @@
-# test patch
+# 夏普比率（Sharpe Ratio）
 
-$$Sharpe=\frac{R_p-R_f}{\sigma_p}$$
+> **一句话**：每承担 1 单位波动风险，能换来多少**超额收益**。
+
+## 💡 直觉
+收益高但波动也大不算本事；夏普衡量「性价比」——单位风险的回报。
+
+## 🧮 公式
+$$
+Sharpe = \frac{R_p - R_f}{\sigma_p}
+$$
+
+> 📌 口径：年化口径：分子=年化超额收益，分母=年化波动率；<1 一般，>2 优秀。
+
+## ⚠️ 常见误区
+① 假设收益正态分布，低估极端风险；② 高频策略因样本多，夏普天然偏高；③ 小于 1 一般，2 以上很好。
+
+## 👉 实战锚点（学以致用）
+- `alpha/evaluation.py::sharpe_ratio`
+- 练习03 双均线 vs 买入持有的夏普对比
+
+## 📖 出处
+《主动投资组合管理》第3章；《打开量化投资的黑箱》
+
+## 🔗 相关
+[[知识/信息比率]]  [[知识/最大回撤]]  [[知识/波动率]]
+
+---
+*分类：绩效指标 ｜ 复习节奏：1/2/4/7/15 天（配合 Anki）*