← 返回博客列表

描述性统计速成：10 分钟搞定 CFA 必考知识点

在 CFA 一级考试的《数量分析》模块中，描述性统计（Descriptive Statistics）是基石中的基石。无论是后续的风险管理还是投资组合理论，都离不开对数据分布特征的理解。很多考生在备考初期容易忽视这一章，认为只是简单的数学计算，但在实际考试中，概念辨析和计算器操作往往是拉开分数的关键。本文将带你快速梳理均值、中位数和标准差三大核心考点，助你在 10 分钟内掌握精髓。

核心概念深度解析

均值：数据的中心趋势

均值（Mean）是衡量数据集中趋势最常用的指标，即算术平均数。在 CFA 考试中，我们需要区分算术平均数（Arithmetic Mean）和几何平均数（Geometric Mean）。算术平均数适用于独立分布的数据，而几何平均数则更适合计算多期复合回报率。

需要注意的是，均值对极端值（Outliers）非常敏感。如果数据集中存在一个极大的异常值，均值会被显著拉高，从而不能真实反映数据的典型水平。因此，在分析偏态分布（Skewed Distribution）时，均值可能是一个具有误导性的指标。

中位数：抗干扰的中间值

中位数（Median）是将数据按大小排序后位于中间位置的数值。它的最大优势在于不受极端值的影响。当数据分布严重偏斜，或者存在明显的异常值时，中位数比均值更能代表数据的“典型”水平。

在 CFA 考试中，常考考点是判断在何种情况下使用中位数优于均值。例如，在分析家庭收入分布或房地产价格分布时，由于存在少数极高收入或极高房价，使用中位数能更客观地反映市场状况。

标准差：风险的量化指标

标准差（Standard Deviation）是衡量数据离散程度的核心指标，在金融领域通常被视为风险的代理变量。标准差越大，说明数据点偏离均值的程度越大，投资回报的波动性也就越高。

计算标准差时，必须严格区分总体标准差（Population Standard Deviation）和样本标准差（Sample Standard Deviation）。总体标准差除以 $N$，而样本标准差除以 $N-1$。在 CFA 考试中，除非明确说明是总体数据，否则默认使用样本标准差，因为 $N-1$ 能提供更好的无偏估计。

实战计算：BA II Plus 操作步骤

理论结合实践是备考的关键。以下通过一个具体例题，演示如何利用德州仪器 BA II Plus 计算器快速求解均值和标准差。

例题：
假设某股票过去 5 年的年化回报率分别为：5%, 7%, 10%, 12%, 15%。请计算该回报率的算术均值和样本标准差。

手动计算逻辑：
1. 均值 = $(5 + 7 + 10 + 12 + 15) / 5 = 49 / 5 = 9.8\%$
2. 方差 = $[(5-9.8)^2 + (7-9.8)^2 + (10-9.8)^2 + (12-9.8)^2 + (15-9.8)^2] / (5-1)$
3. 标准差 = $\sqrt{\text{方差}}$

BA II Plus 操作步骤：

1. 清除旧数据：按 [2ND] [DATA] [2ND] [CLR ALL]，确保内存中无残留数据。
2. 进入数据模式：按 [2ND] [DATA]。
3. 输入数据：
   • 屏幕显示 $X_1$，输入 5，按 [ENTER]。
   • 按 [↓] 键，屏幕显示 $F_1$（频率），默认通常为 1，直接按 [↓] 跳过（除非有重复数据）。
   • 重复此过程，依次输入 7, 10, 12, 15。
4. 计算统计量：
   • 按 [2ND] [STAT] 进入统计计算模式。
   • 按 [↓] 键查看结果。
   • 显示 $\bar{X}$ 即为均值，应显示为 9.8。
   • 继续按 [↓] 键，显示 $S_x$ 即为样本标准差。

备考小贴士：
如果在通勤路上想练习统计功能，但又没带实体计算器，推荐使用 RBA Calculator。这是专为 TI BA II Plus 设计的 iOS 应用，界面和操作逻辑与实体机高度一致，非常适合考前模拟练习。你可以在此下载：RBA Calculator。利用碎片时间熟悉按键逻辑，考试时就能更加从容。

常见错误提醒

在 CFA 备考过程中，关于描述性统计的常见错误主要集中在以下几点，考生需格外警惕：

1. 混淆总体与样本：这是最高频的错误。看到题目中有“样本（Sample）”、“估计（Estimate）”或数据量较小（如 N<30）时，务必使用 $N-1$ 计算样本方差和标准差。
2. 忽视分布形态：在偏态分布中，盲目使用均值作为集中趋势的代表。如果题目提到数据右偏（Right Skewed），通常意味着均值 > 中位数 > 众数，此时应优先考虑中位数。
3. 单位换算错误：计算标准差时，注意小数与百分数的转换。例如，若数据输入为 0.05 和 0.07，计算出的标准差也是小数形式，需根据题目要求决定是否转换为百分比。
4. 计算器模式错误：BA II Plus 有时会被误设为总体标准差模式。虽然标准操作流程默认输出样本标准差，但建议考生在考试前确认计算器设置，避免低级失误。

高频 FAQ

Q1: 什么时候应该使用中位数而不是均值？
A1: 当数据分布存在明显的偏态（Skewed），或者数据中存在极端异常值（Outliers）时，中位数是更好的选择。因为中位数只受数据位置影响，不受数值大小影响，能更稳健地反映数据的中心位置。在 CFA 考试中，如果题目提到“收入分布”或“房价分布”，通常暗示应关注中位数。

Q2: 为什么样本标准差的分母是 N-1 而不是 N？
A2: 这是为了进行无偏估计（Unbiased Estimation）。当我们用样本去估计总体参数时，样本均值本身已经消耗了一个自由度，导致样本方差倾向于低估总体方差。除以 $N-1$（贝塞尔校正）可以修正这种偏差，使样本方差成为总体方差的无偏估计量。

Q3: 标准差和方差有什么区别，CFA 更关注哪个？
A3: 方差是标准差的平方。虽然两者都衡量离散程度，但标准差的单位与原始数据一致（例如回报率也是百分比），更易于解释和比较。因此，在 CFA 考试中，标准差出现的频率远高于方差，它是衡量投资风险的核心指标。

Q4: 如何快速判断数据是左偏还是右偏？
A4: 观察均值、中位数和众数的关系。如果均值 > 中位数，数据通常是右偏（正偏），意味着尾部向右延伸，存在高值异常点；如果均值 < 中位数，数据通常是左偏（负偏），意味着尾部向左延伸，存在低值异常点。记住“均值被拖向尾部”这一原则即可。

结语

描述性统计虽然看似基础，却是 CFA 知识体系中不可或缺的拼图。熟练掌握均值、中位数和标准差的概念及其适用场景，不仅能帮你拿下数量分析部分的分数，更能为后续学习资产定价模型打下坚实基础。建议考生结合 BA II Plus 或 RBA Calculator 多进行实操练习，将理论转化为肌肉记忆。祝你备考顺利，早日通过 CFA 考试！