在金融领域，数据是决策的核心依据。无论是CFA考试中的定量分析模块，还是日常投资分析、风险管理等实际工作，描述性统计都是理解数据分布、识别趋势的关键工具。其中，均值、中位数和标准差三大指标构成了金融数据分析的基础框架。本文将从CFA考试要求出发，结合金融实务场景，系统解析这些概念的应用逻辑与计算方法。
均值是数据集中趋势的典型代表，在金融中常用于计算资产的历史平均收益率。例如，某私募基金过去5年的年化收益率分别为4%、6%、8%、5%、7%，其算术均值为：
$$
\text{Mean} = \frac{4\% + 6\% + 8\% + 5\% + 7\%}{5} = 6\%
$$
实务意义：均值可作为未来收益的初步预测基准，但需注意其对极端值敏感（如2008年金融危机期间的负收益会显著拉低均值）。
中位数是将数据排序后处于中间位置的值。在分析企业估值倍数（如P/E）时，中位数比均值更可靠。例如，科技行业10家公司的P/E为：15, 20, 22, 25, 30, 35, 40, 50, 100, 200，中位数为(30+35)/2=32.5，而均值高达43.7。
实务意义：当数据存在极端值（如独角兽企业超高估值）时，中位数能更真实反映行业"典型"水平。
标准差衡量数据离散程度，是金融中风险的核心指标。计算公式为：
$$
\sigma = \sqrt{\frac{\sum_{i=1}^{n}(X_i - \bar{X})^2}{n-1}} \quad (\text{样本标准差})
$$
实务意义：两只股票预期收益率均为8%，若A股历史波动率（标准差）为10%，B股为20%，则B股风险更高。机构投资者常通过标准差筛选符合风险偏好的资产。
已知某股票最近6个月的收益率（%）：-2, 5, 3, -1, 4, 6
要求：计算样本均值、中位数、样本标准差。
2nd → DATA 进入数据模式 -2 → ENTER → ↓ → 5 → ENTER → ↓ → ...（依次输入所有数据） 设置频次：默认FREQ=1（无需修改）
计算均值
2nd → STAT → 1: WRAP → 2: 1-VAR 查看结果：X̄ = 2.5（即均值为2.5%）
计算中位数
中位数 = (3+4)/2 = 3.5%
计算样本标准差
Sx = 3.67（样本标准差） σx💡 提示：使用 RBA Calculator（TI BA II Plus iOS应用）可在移动端模拟真实计算器操作，适合碎片化时间练习。
| 错误类型 | 正确做法 | 案例说明 |
|---|---|---|
| 混淆样本/总体标准差 | 样本用n-1，总体用n |
CFA考试中默认使用样本标准差 |
| 中位数计算未排序 | 必须先升序排列数据 | 数据{5,1,3}的中位数是3而非1 |
| 用均值替代中位数分析 | 存在异常值时优先选中位数 | 分析房价时避免受豪宅价格影响 |
| 忽略标准差单位 | 标准差与原始数据单位一致 | 收益率标准差单位仍是百分比 |
A：这是"贝塞尔校正"，用于消除样本对总体方差的低估。例如，样本{2,4}的方差：
- 除以n：$(2-3)^2+(4-3)^2)/2 = 1$
- 除以n-1：$[(2-3)^2+(4-3)^2)/1 = 2$
后者更接近真实总体方差，CFA考试中所有涉及样本数据的标准差计算均采用此规则。
A：
- 薪酬谈判：分析同行业中位数薪资而非平均值（避免CEO高薪扭曲数据）
- 房地产定价：用中位数房价评估区域购买力
- 信用评分：中位数违约率比均值更能反映典型客户风险
A：
- 标准差：绝对风险指标（如σ=10%）
- 变异系数：相对风险指标（CV=σ/μ=10%/8%=1.25）
当比较不同量纲资产（如股票vs债券）风险时，CV更具可比性。
A：绘制直方图观察形状：
- 对称分布（如正态分布）→ 均值=中位数
- 右偏分布（如收入数据）→ 均值>中位数
- 左偏分布（如考试成绩）→ 均值<中位数
金融数据常呈右偏（极端收益拉高均值），此时中位数更可靠。
掌握均值、中位数、标准差不仅是通过CFA考试的必经之路，更是构建金融直觉的基石。在实际工作中，这些统计量帮助我们：
- 用中位数识别行业估值锚点
- 通过标准差评估投资组合波动风险
- 以均值制定资产配置基准
建议考生在刷题时同步使用BA II Plus计算器进行实操训练，将公式转化为肌肉记忆。当你能在30秒内完成统计量计算并解释其金融含义时，便真正跨越了从知识到应用的鸿沟。