← 返回博客列表

FRM 备考指南：线性回归分析核心公式与计算详解

在 FRM 一级考试的定量分析（Quantitative Analysis）章节中，回归分析是绝对的核心考点。无论是评估资产风险、计算 Beta 系数，还是进行因子分析，线性回归模型都是不可或缺的工具。对于考生而言，不仅要理解最小二乘法背后的统计逻辑，更要熟练掌握计算器操作，以便在考试中快速准确地完成计算。本文将深入解析线性回归的核心公式、计算步骤及常见陷阱，助您高效备考。

一、线性回归的核心概念与公式

线性回归旨在通过一条直线来描述两个变量之间的关系。在 FRM 考试中，最常用的模型是简单线性回归模型：

$$Y = \alpha + \beta X + \epsilon$$

其中，$Y$ 是因变量（例如资产收益率），$X$ 是自变量（例如市场收益率），$\alpha$ 是截距项，$\beta$ 是斜率（即 Beta 系数），$\epsilon$ 是误差项。

为了找到这条“最佳拟合线”，我们采用最小二乘法（Ordinary Least Squares, OLS）。其核心思想是使所有观测点到回归直线的垂直距离（残差）的平方和最小。基于此，我们可以推导出斜率和截距的估计公式：

1. 斜率 ($\hat{\beta}$)：
   $$\hat{\beta} = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{\sum (X_i - \bar{X})^2} = \frac{Cov(X,Y)}{Var(X)}$$
2. 截距 ($\hat{\alpha}$)：
   $$\hat{\alpha} = \bar{Y} - \hat{\beta}\bar{X}$$

此外，考生还需关注判定系数 $R^2$，它衡量了回归模型对数据变动的解释程度。$R^2$ 越接近 1，说明模型拟合效果越好。

二、计算器操作指南：BA II Plus 与 RBA Calculator

在 FRM 考试中，熟练使用 Texas Instruments BA II Plus 计算器是得分的关键。该计算器内置了统计功能，支持 LIN（线性）回归模式。

BA II Plus 操作步骤

1. 清除统计内存：按下 2nd 键，再按 STAT 键，接着按 2nd 键和 CLR WORK 键。确保屏幕显示 LIN，表示处于线性回归模式。
2. 输入数据：
   • 输入第一个 X 值，按 ENTER，然后按向下箭头 ↓。
   • 输入对应的 Y 值，按 ENTER，然后按向下箭头 ↓。
   • 重复上述步骤输入所有数据对。
3. 查看结果：
   • 输入完成后，按 2nd 键和 QUIT 键退出数据输入模式。
   • 按下 2nd 键和 STAT 键查看统计结果。
   • 通过向下箭头 ↓ 翻页，可找到 r（相关系数）、a（截距 $\alpha$）和 b（斜率 $\beta$）。

移动端辅助工具

对于习惯使用平板电脑备考的考生，推荐使用 RBA Calculator（TI BA II Plus iOS 应用）。它完美模拟了物理计算器的功能，且支持屏幕截图和公式分享，非常适合在 iPad 上进行模考练习。您可以直接在 App Store 下载：https://apps.apple.com/cn/app/id1545331477。使用这款应用，您可以随时随地复习 LIN 模式下的回归计算，确保操作肌肉记忆成型。

三、计算例题实战演练

题目：
假设您收集了某股票过去 5 期的收益率（Y）与市场指数收益率（X）的数据如下表所示。请计算该股票相对于市场的 Beta 系数（斜率）以及 Alpha 值（截距）。

期数	市场收益率 X (%)	股票收益率 Y (%)
1	2	3
2	4	5
3	6	6
4	8	9
5	10	11

解题步骤：

1. 清除计算器：执行 2nd + STAT + 2nd + CLR WORK。
2. 录入数据：
   • 输入 2 ENTER ↓ 输入 3 ENTER ↓
   • 输入 4 ENTER ↓ 输入 5 ENTER ↓
   • 输入 6 ENTER ↓ 输入 6 ENTER ↓
   • 输入 8 ENTER ↓ 输入 9 ENTER ↓
   • 输入 10 ENTER ↓ 输入 11 ENTER ↓
3. 读取结果：
   • 按 2nd + QUIT 退出。
   • 按 2nd + STAT 查看结果。
   • 屏幕显示 n=5（样本量）。
   • 翻页找到 a（截距），约为 0.7。
   • 继续翻页找到 b（斜率），约为 1.05。
   • 继续翻页找到 r（相关系数），约为 0.98，说明拟合度很高。

结论：该股票的 Beta 系数为 1.05，Alpha 值为 0.7%。这意味着市场每变动 1%，该股票平均变动 1.05%。

四、常见错误提醒

在备考过程中，考生常在 回归 计算中出现以下错误，请务必警惕：

1. X 与 Y 混淆：这是最常见的错误。在录入数据时，务必确认哪一个是自变量（X，通常在横轴），哪一个是因变量（Y，通常在纵轴）。如果互换，计算出的 Beta 系数将完全不同。
2. 未清除内存：如果上一题使用了统计功能，直接开始下一题而不执行 CLR WORK，旧数据会干扰新计算，导致结果错误。
3. 忽略假设条件：计算只是第一步，FRM 考试常考查回归的有效性。如果数据存在异方差性或自相关性，OLS 估计量虽然无偏但不再有效，标准误计算也会出错。

五、常见问题解答 (FAQ)

Q1：回归分析中样本量越小越好还是越大越好？
A：一般来说，样本量越大，统计推断越可靠。但在 FRM 考试中，通常会给定小样本（如 5-10 个数据点）以便手动或计算器操作。需要注意的是，样本量过小会导致自由度不足，影响 t 检验的显著性。

Q2：相关系数 r 很高，是否意味着因果关系成立？
A：绝对不是。回归只能说明变量间存在统计上的相关性，不能证明因果关系。例如，冰淇淋销量与溺水人数正相关，但并非冰淇淋导致溺水，而是夏季高温这一共同因素所致。

Q3：什么是异方差性（Heteroscedasticity），对计算有何影响？
A：异方差性指误差项的方差随 X 的变化而变化。这会导致标准误估计偏差，进而影响 t 统计量和置信区间的准确性。虽然不影响斜率估计的无偏性，但在风险模型中需使用稳健标准误进行修正。

Q4：考试中遇到非线性关系怎么办？
A：简单线性回归假设关系是线性的。如果散点图显示曲线关系，可能需要对变量取对数（Log-Log 模型）或使用多项式回归。但在 FRM 一级考试中，除非明确提示，否则默认使用 LIN 模式进行线性拟合。

结语

掌握线性回归不仅是通过 FRM 考试的需要，更是未来从事风险管理工作的基石。通过理解 最小二乘法 原理，熟练运用 BA II Plus 或 RBA Calculator 进行 回归 计算，并避开常见陷阱，您将能够在定量分析章节中稳拿分数。建议大家在备考后期，多利用 RBA Calculator 应用进行限时模拟，强化 LIN 模式的操作熟练度，确保在考场上游刃有余。