对于CFA考生而言，描述性统计是量化分析的基础工具，尤其在衡量投资组合收益与风险时至关重要。本文将从零开始系统解析均值、中位数、标准差三大核心指标，结合真实计算场景与BA II Plus操作步骤，帮助初学者建立稳固的统计思维框架。
均值是数据集中趋势的量化指标，计算公式为所有观测值之和除以观测值数量。在金融场景中，均值常用来衡量资产的平均收益率。例如，某股票过去5年收益率分别为10%、8%、12%、-3%、15%，其算术均值为：
(10+8+12-3+15)/5 = 8.4%
关键特性：
- 对极端值高度敏感（如2008年金融危机时的负收益）
- 适用于对称分布数据，偏态分布中可能失真
中位数是数据排序后位于中间位置的值，能更好反映偏态分布的中心趋势。以上述5年收益率为例，排序后为-3%、8%、10%、12%、15%，中位数即为10%。
典型应用场景：
- 分析家庭收入分布（受超高收入者影响较小）
- 评估房地产市场估值（避免豪宅价格干扰）
标准差衡量数据离散程度，是CFA考试中风险度量的核心工具。其计算分为三步：
1. 计算各数据点与均值的偏差平方
2. 求偏差平方的平均值（总体用σ²，样本用s²）
3. 开平方根得到标准差
金融意义：
- 标准差越大，资产价格波动越剧烈
- 与Beta系数结合可计算系统性风险
假设某基金2019-2023年收益率如下：
| 年份 | 收益率 |
|------|--------|
| 2019 | 12% |
| 2020 | -5% |
| 2021 | 18% |
| 2022 | 3% |
| 2023 | 9% |
计算目标：
1. 算术均值
2. 中位数
3. 样本标准差
清除旧数据
2nd + MEM → 2nd + CLR TVM → 2nd + CLR WORK
输入数据
2nd + STAT 2nd + DATA → 2nd + SET 依次输入数据：
12 → ENTER → ↓ → 1 → ENTER → ↓
（重复此步骤输入-5、18、3、9）
获取结果
2nd + STAT → ↓ → ↓ → ↓ 2nd + STAT → ↓ → ↓ → ↓ → ↓（显示Sx值）移动端替代方案：
使用RBA Calculator（TI BA II Plus iOS应用）可同步上述功能，特别适合考场外复习。
典型表现：
直接使用BA II Plus的σx值（总体标准差）而非Sx（样本标准差）
正确做法：
CFA考试中默认使用样本标准差（分母为n-1），需在计算前确认数据类型
案例：
数据{5, 2, 9, 1}的中位数误算为(2+9)/2=5.5
正确步骤：
先排序为{1,2,5,9}，再取中间两值平均：(2+5)/2=3.5
误区：
认为标准差与收益率单位不同（如收益率用%，标准差用小数）
正解：
标准差与原始数据单位一致，12%收益率的标准差应为百分比形式
Q1：样本与总体标准差何时选择？
A：当数据代表完整总体时用σ（如某基金全部历史数据），否则用s（如抽样数据）。CFA考试中80%场景需使用样本标准差。
Q2：标准差能否为负数？
A：不能。标准差是方差的平方根，恒为非负值。若计算出现负数，说明数据输入错误。
Q3：偏态分布中为何优先看中位数？
A：右偏分布（如收入数据）中，均值会被高值拉高，中位数更能代表"典型"水平。例如某城市收入中位数3万，但均值达8万，说明存在超高收入群体。
Q4：如何处理缺失数据？
A：CFA考试通常不会提供缺失数据场景。实际工作中可采用：
1. 删除含缺失值的记录（要求样本量充足）
2. 用均值/中位数填充（需标注处理方法）
描述性统计是CFA量化的基石，掌握均值、中位数、标准差的特性与计算是通过考试的关键。建议考生：
1. 至少完成10组不同数据集的BA II Plus实操训练
2. 重点区分样本/总体标准差的应用场景
3. 结合金融案例理解统计量的实际意义（如用标准差比较基金波动性）
💡 进阶提示：在Portfolio Management科目中，这些统计量将扩展为夏普比率、信息比率等高级指标，扎实的基础将大幅提升后续学习效率。
通过系统掌握这些基础工具，考生不仅能应对CFA考试，更能建立专业的数据分析思维框架，为金融职业生涯奠定坚实基础。