← 返回博客列表

CFA 概率分布深度解析：正态分布与 t 分布的考点对比

在 CFA 一级定量分析方法（Quantitative Methods）的学习中，概率分布是基石般的存在。许多考生在备考初期往往对正态分布、学生 t 分布、卡方分布等概念感到混淆，特别是在涉及均值方差的计算和概率推断时，容易失分。本文将重点对比分析 CFA 考试中容易混淆的概率分布考点，帮助考生理清思路，掌握核心计算技巧。

核心概念辨析：正态分布的基本特性

正态分布（Normal Distribution）是金融建模中最常见的连续概率分布。它由两个参数完全确定：均值（Mean, $\mu$）和标准差（Standard Deviation, $\sigma$）。在 CFA 考试中，理解这两个参数如何影响分布形态至关重要。

均值与方差的决定性作用

均值决定了正态分布曲线的中心位置，即数据的集中趋势。如果我们将股票收益率视为随机变量，均值代表了预期收益率。而方差（Variance, $\sigma^2$）则衡量数据的离散程度，标准差是方差的平方根。方差越大，曲线越扁平，意味着风险越高；方差越小，曲线越陡峭，数据越集中在均值附近。

在 CFA 考试中，考生需要熟练掌握正态分布的区间概率特性，即著名的"68-95-99.7 法则"：
* 约 68% 的数据落在均值 $\pm 1$ 个标准差范围内。
* 约 95% 的数据落在均值 $\pm 2$ 个标准差范围内。
* 约 99.7% 的数据落在均值 $\pm 3$ 个标准差范围内。

概率计算的基础逻辑

正态分布下的概率计算本质上是求曲线下的面积。在实际考试中，题目通常会给出一个特定的区间，要求计算随机变量落入该区间的概率。这需要将原始数据标准化为标准正态分布（Z 分数），然后查表或使用计算器求解。

容易混淆的考点：正态分布 vs. 学生 t 分布

在 CFA 考试中，最让考生头疼的对比莫过于正态分布与学生 t 分布（Student's t Distribution）。两者外观相似，都是钟形对称分布，但在应用场景和尾部特性上有显著区别。

尾部厚度与自由度的影响

正态分布的尾部较薄，意味着极端值出现的概率较低。相比之下，学生 t 分布具有更厚的尾部（Fat Tails），这意味着极端值出现的可能性更高。这种特性使得 t 分布在处理小样本数据时更为保守和安全。

两者的关键区别在于自由度（Degrees of Freedom, df）。学生 t 分布由自由度决定形状。当自由度较低时，t 分布比正态分布更扁平，尾部更厚。随着样本量增加，自由度趋向于无穷大，t 分布会逐渐收敛并等同于正态分布。因此，当样本量大于 30 时，CFA 考试中通常允许使用正态分布近似 t 分布，但在严格推断中，小样本必须使用 t 分布。

实战计算例题与 BA II Plus 操作步骤

为了巩固上述概念，我们通过一个具体的计算例题来演示如何利用金融计算器求解正态分布下的概率。

题目背景

假设某股票的年度收益率服从正态分布，其预期均值（$\mu$）为 10%，标准差（$\sigma$）为 5%。投资者希望计算该股票年度收益率介于 8% 到 12% 之间的概率是多少？

BA II Plus 操作详解

在 CFA 考试中，熟练使用 TI BA II Plus 计算器是节省时间、确保准确的关键。以下是使用 NormalCDF 功能的具体步骤：

1. 进入分布菜单：按下 2nd 键，然后按下 DISTR 键（即数字 7 键），进入分布函数菜单。
2. 选择正态分布：使用方向键选择 NormalCDF，按下 ENTER 键。
3. 输入下界（Lower Bound）：将光标移至 Lower: 处，输入 8，按下 ENTER。
4. 输入上界（Upper Bound）：将光标移至 Upper: 处，输入 12，按下 ENTER。
5. 输入均值（Mu）：将光标移至 μ: 处，输入 10，按下 ENTER。
6. 输入标准差（Sx）：将光标移至 σ: 处，输入 5，按下 ENTER。
7. 计算结果：将光标移至 Calculate，按下 ENTER 键。

屏幕将显示结果约为 0.2918。这意味着该股票收益率落在 8% 到 12% 区间的概率约为 29.18%。

提示：如果在移动端复习，也可以尝试使用 RBA Calculator。这是一款专为 TI BA II Plus 设计的 iOS 应用，界面模拟真实计算器，非常适合在通勤途中练习上述操作步骤。下载地址：https://apps.apple.com/cn/app/id1545331477

常见错误提醒

在概率分布的学习中，考生容易犯以下错误，需特别警惕：

1. 混淆总体方差与样本方差：在计算样本方差时，分母应为 $n-1$（自由度），而非 $n$。如果误用总体方差公式，会导致标准差估计偏小，进而影响置信区间的宽度。
2. 忽视分布假设：并非所有金融数据都服从正态分布。许多资产收益率呈现尖峰厚尾特征。如果盲目使用正态分布计算风险价值（VaR），可能会低估极端损失的概率。
3. t 分布自由度计算错误：在单样本 t 检验中，自由度为 $n-1$；在双样本 t 检验中，自由度的计算更为复杂（取决于是否假设方差相等）。忘记扣除自由度会导致查表错误或计算器输入错误。
4. 标准化公式颠倒：计算 Z 分数时，公式为 $(X - \mu) / \sigma$。部分考生容易将分子写反，导致符号错误，从而得出错误的概率值。

考生常见问题 (FAQ)

Q1: 什么时候应该使用正态分布，什么时候使用 t 分布？
A1: 如果总体标准差已知，或者样本量足够大（通常 $n > 30$），可以使用正态分布。如果总体标准差未知且样本量较小，必须使用学生 t 分布。t 分布对小样本的变异性提供了更好的修正。

Q2: 正态分布的偏度（Skewness）和峰度（Kurtosis）是多少？
A2: 标准正态分布的偏度为 0，表示完全对称；峰度为 3。在 CFA 考试中，如果题目提到分布的峰度大于 3，说明该分布比正态分布更尖峰（Leptokurtic），极端值概率更高。

Q3: 均值方差分析在投资组合理论中有什么意义？
A3: 马科维茨投资组合理论基于均值方差框架。均值代表预期收益，方差代表风险。投资者通过优化均值方差比率（即夏普比率），来构建有效前沿，实现风险调整后的收益最大化。

Q4: RBA Calculator 可以在 CFA 考试中使用吗？
A4: 不可以。CFA 考试现场只允许使用指定的计算器（如 TI BA II Plus 或 HP 12C）。RBA Calculator 仅作为备考期间的辅助练习工具，帮助考生熟悉按键逻辑，不能带入考场。

结语

掌握概率分布是 CFA 一级定量分析的核心任务。通过深入理解正态分布的特性，区分其与 t 分布的细微差别，并熟练运用均值方差进行概率计算，考生可以显著提升解题效率。记住，理论结合实践，多利用计算器进行模拟演练，才能在考试中从容应对。祝各位考生备考顺利，早日通过 CFA 考试！