在 CFA 一级考试的量化方法（Quantitative Methods）科目中，概率分布是构建金融建模与风险管理的基石。许多考生在复习时往往过于关注复杂的公式推导，而忽略了基本概念的理解与实际应用中的细节。本文将聚焦于 CFA 考试中概率分布这一核心考点，特别是正态分布的应用，帮助考生识别均值方差计算中的常见陷阱，并提供实用的计算器操作指南，助你高效备考。
在金融市场中，资产收益率通常被假定为服从正态分布。这是一个对称的钟形曲线，具有独特的统计特性。理解这一分布的关键在于掌握其两个核心参数：均值（Mean）与方差（Variance）。
均值代表了分布的中心趋势，即预期收益率。在正态分布中，均值、中位数和众数是重合的。方差则衡量了数据的离散程度，反映了资产回报的波动性。需要注意的是，方差是标准差的平方，单位是收益率的平方，而标准差的单位与收益率一致。在 CFA 考试中，混淆方差与标准差是一个高频错误点。
此外，正态分布的一个重要特性是“ 68-95-99.7 法则”。即数据落在均值±1 个标准差范围内的概率约为 68%，落在±2 个标准差范围内的概率约为 95%，落在±3 个标准差范围内的概率约为 99.7%。掌握这一经验法则，可以在没有计算器的情况下快速估算概率区间。
为了将理论转化为得分，我们需要通过具体的计算例题来熟悉流程。以下是一道典型的 CFA 风格题目，考察正态分布下的概率计算。
假设某股票的年化收益率服从正态分布，其均值为 12%，标准差为 4%。请问该股票年化收益率超过 16% 的概率是多少？
首先，我们需要计算 Z 分数（Z-score）。Z 分数表示观测值距离均值有多少个标准差。
公式为：$Z = (X - \mu) / \sigma$
其中，$X = 16\%$, $\mu = 12\%$, $\sigma = 4\%$。
计算得出 $Z = (16 - 12) / 4 = 1$。
接下来，我们需要查找标准正态分布表，或者使用计算器计算 $P(Z > 1)$。由于正态分布是对称的，且总概率为 1，我们需要计算右尾的概率。
使用 TI BA II Plus 计算器可以快速得出精确结果。以下是具体步骤：
2nd 键，然后按 DISTR 键（即 VARS 键），进入分布功能菜单。2: normcdf（Normal Cumulative Distribution Function），按 ENTER。lower（下限）。由于我们要计算的是大于 16% 的概率，理论上下限应为 16，但为了使用标准正态分布，我们通常先计算 Z 分数。这里我们直接输入 Z 分数对应的下限 1，按 ENTER。upper（上限）。由于正态分布延伸至无穷大，输入一个较大的数即可，例如 100，按 ENTER。σ（标准差）。因为是标准正态分布，标准差为 1，按 ENTER。μ（均值）。标准正态分布均值为 0，按 ENTER。cdf，按 ENTER 计算。0.1587。因此，该股票年化收益率超过 16% 的概率约为 15.87%。
如果你在通勤或碎片时间复习，实体计算器可能不便携带。此时，你可以使用 RBA Calculator，这是专为 TI BA II Plus 设计的 iOS 应用。它完美复刻了实体计算器的功能与按键布局，支持概率分布计算。你可以在这里下载：RBA Calculator。利用这款应用，你可以在手机上随时练习上述的 normcdf 操作，保持手感。
在 CFA 考试中，关于概率分布的失分点往往隐藏在细节之中。以下是考生最容易踩的几个坑：
1. 总体方差与样本方差的混淆
这是最经典的陷阱。计算总体方差（Population Variance）时，分母是 $N$；而计算样本方差（Sample Variance）时，为了得到无偏估计，分母必须是 $N-1$。在题目中，如果给出的是“全部数据”或“总体”，请用 $N$；如果给出的是“样本”或“历史数据用于推断”，请用 $N-1$。计算标准差时，切记是先开根号再区分总体或样本。
2. 忽略分布的对称性
在计算正态分布概率时，考生经常搞反左尾和右尾。例如，题目问“收益率低于均值的概率”，答案显然是 50%。如果问“收益率低于均值减去 1 个标准差”，则需要计算左尾面积。务必先画出草图，标出均值和临界值，明确需要计算的是哪一部分面积。
3. 单位不统一
在计算 Z 分数时，均值、观测值和标准差的单位必须一致。如果均值是百分比（如 12%），标准差也是百分比（如 4%），则无需转换小数。但如果题目中混合了小数和百分比，务必统一后再计算，否则 Z 分数会完全错误。
4. 误用方差代替标准差
在描述风险时，通常使用标准差。但在计算方差时，记得最后一步是平方。如果题目问的是“方差是多少”，而考生回答了标准差的数值，将直接导致失分。
Q1: 为什么样本方差的分母是 N-1 而不是 N？
A1: 这是一个统计学概念。当我们使用样本数据来估计总体参数时，样本均值本身是由数据计算得出的，它比真实的总体均值更贴近样本数据，导致计算出的平方和偏差偏小。使用 $N-1$ 作为自由度（Degrees of Freedom）进行修正，可以得到总体方差的无偏估计量。在 CFA 考试中，除非明确说明是“总体”，否则默认使用样本方差公式（$N-1$）。
Q2: 如果数据不符合正态分布，还能用这些方法吗？
A2: 正态分布是金融模型中的常用假设，但并非所有数据都符合。例如，股票收益率往往存在“肥尾”现象（极端值出现的概率高于正态分布预测）。如果题目明确指出数据偏斜（Skewed）或峰度（Kurtosis）异常，则不能直接使用正态分布的 68-95-99.7 法则，可能需要使用切比雪夫不等式（Chebyshev's Inequality）来估算概率范围。
Q3: BA II Plus 的 DISTR 功能在考试中允许使用吗？
A3: 允许。TI BA II Plus 是 CFA 官方认可的计算器之一，其内置的统计和分布功能（包括 normcdf）在机考环境中均有对应的模拟功能。熟练掌握这些快捷键可以节省大量考试时间，让你有更多时间检查逻辑错误。
Q4: 如何处理连续变量与离散变量的概率分布？
A4: 正态分布是连续概率分布。对于连续变量，单点概率（如 $P(X=16)$）实际上为 0，我们通常计算的是区间概率（如 $P(X > 16)$）。而离散变量（如二项分布、泊松分布）则不同，单点概率是有意义的。在 CFA 一级中，重点考察正态分布，但也需了解离散分布的基本概念，以便在特定场景下（如违约次数模型）进行选择。
掌握概率分布不仅仅是记忆公式，更是对金融数据波动性的深刻理解。通过厘清均值方差的关系，熟练运用正态分布模型，并借助 BA II Plus 或 RBA Calculator 进行反复练习，你可以有效规避考试中的常见陷阱。记住，细节决定成败，在量化方法这一科目中，准确的计算与清晰的逻辑同样重要。祝你在 CFA 考试中取得优异成绩！