math.pow()不能直接套用年化收益率，因其仅执行幂运算，不识别复利周期；需将年化利率折算为每期利率、年数转为总期数，否则10年100万元投资误差近2万元。
Math.pow() 在复利计算中为什么不能直接套用年化收益率？
因为 Math.pow() 本身只是幂运算工具，它不理解“年化”“复利周期”或“本金增长逻辑”。直接写 Math.pow(1 + rate, years) 看似正确，但一旦年化收益率 rate 是名义年利率（如 6%），而实际按月复利，结果就会偏差约 0.17% —— 这在 10 年、100 万本金下就是近 2 万元误差。
关键不是函数会不会算，而是你传进去的底数和指数是否匹配真实计息规则：
- 底数必须是每期（非每年）的增长因子：比如年化 6% 按月复利 → 单期利率 =
0.06 / 12，底数 =1 + 0.06 / 12 - 指数必须是总期数：同样是上面例子，5 年 → 总期数 =
5 * 12，不是5 - 如果输入的是有效年利率（EAR），那才可以直接用
Math.pow(1 + ear, years)，但 EAR 本身通常也是靠Math.pow()算出来的
如何用 Math.pow() 正确表达「每月定投 + 复利」模型？
定投场景下不能只调一次 Math.pow()，因为每一笔投入的计息时长不同。例如每月投 1000 元、年化 6%、月复利、投 36 个月，最后一笔只计息 1 期，第一笔计息 36 期。
核心公式是等比数列求和变形，最终可简化为：
const total = monthly * (Math.pow(1 + ratePerPeriod, totalPeriods) - 1) / ratePerPeriod;
其中：
-
monthly是每期投入金额（如1000） -
ratePerPeriod是每期利率（如年化 6% →0.06 / 12） -
totalPeriods是总期数（如 3 年 →36） - 注意：这个公式假设首笔投入发生在第 1 期初（即立刻开始计息），若为期末投入，需额外乘以
(1 + ratePerPeriod)
Math.pow() 遇到大指数或小底数时的精度陷阱
JavaScript 的 Math.pow() 基于 IEEE 754 双精度，当指数超过 1000 或底数接近 1（如 1.0001）时，浮点误差会累积。例如：Math.pow(1 + 0.08/365, 365*30) 和用 Math.exp(0.08 * 30) 算出的结果相差约 0.00012 —— 表面看不大，但乘上 1000 万本金就是 1200 元误差。
更稳的做法：
- 对连续复利场景（如高频估算），优先用
Math.exp(rate * time) - 对离散复利且期数极大（>10000），考虑用
BigInt自行实现整数幂（仅适用于整数底数）或引入decimal.js类库 - 永远不要用
Math.pow(1.0000001, 1000000)这类组合；拆成Math.exp(Math.log(1.0000001) * 1000000)也未必更好，实测反而略差
为什么用 Math.pow() 而不用 ** 运算符？
两者在绝大多数复利场景下结果一致，但有三个实际差异点：
-
**对NaN或负底数+分数指数更敏感，比如(-2) ** 0.5直接报错，而Math.pow(-2, 0.5)返回NaN（便于后续判断） -
Math.pow(0, 0)返回1，符合金融建模惯例（空期数视为无增长）；0 ** 0在严格模式下也是1，但部分旧引擎行为不一 - 当需要动态构造幂运算（如从配置读取 exponent）、或与
Math.sqrt/Math.cbrt统一风格时，Math.pow()更易维护
真正容易被忽略的是：无论用哪个，都得先校验输入 —— ratePerPeriod 为负且绝对值 >1 时，Math.pow(1 + ratePerPeriod, n) 会震荡发散，这在亏损模型中必须显式拦截，而不是依赖函数报错。
