在 CFA 一级考试中,数量分析(Quantitative Methods)是贯穿整个课程体系的基石,而描述性统计则是这块基石的核心组成部分。许多考生在复习时往往觉得这部分内容简单,概念直观,但在实际考试中却频频丢分。究其原因,并非不懂理论,而是陷入了一些思维陷阱和操作误区。本文将深度解析描述性统计中 均值、中位数 和 标准差 的核心概念,并揭示 CFA 考生最容易犯的 5 个错误,帮助你稳健拿分。
描述性统计旨在通过少量指标概括大量数据的特征。在 CFA 考试中,我们需要重点关注三种度量指标:
理解这三个概念的区别与联系,是避免后续错误的前提。
这是最常见的概念错误。当题目涉及“平均收益率”时,考生需判断是求单期平均还是复合平均。如果题目问的是“过去五年的平均年化回报率”,必须使用几何均值;如果问的是“各年回报率的平均水平”,通常指算术均值。混用会导致结果偏差,尤其在波动率较大的资产中,几何均值永远小于或等于算术均值。
计算 中位数 时,考生常忽略样本量 $n$ 的奇偶性。当 $n$ 为奇数时,中位数位置为 $(n+1)/2$;当 $n$ 为偶数时,中位数是中间两个数的平均值。有些考生直接取第 $n/2$ 个数,导致结果错误。此外,若数据未排序直接计算,也是致命失误。
这是 标准差 计算中最隐蔽的陷阱。CFA 考试中,绝大多数情况处理的是“样本数据”(Sample),分母应为 $n-1$;只有明确说明是“总体数据”(Population)时,分母才为 $n$。在计算器操作中,若未切换模式,默认可能是总体标准差,导致结果偏小。
在偏态分布中,均值 对异常值非常敏感,而 中位数 则相对稳健。例如,计算高管薪酬的平均值时,若包含 CEO 的天价薪酬,均值会大幅右偏。考生若未识别出数据的偏态性,直接套用均值进行推断,会导致结论失真。
使用 BA II Plus 计算器时,若未在 1-Variable 模式中输入数据,或未清除之前的统计内存,会导致 标准差 和均值计算完全错误。特别是当数据有频率(Frequency)时,忽略 Freq 设置是高频失分点。
为了巩固上述概念,我们通过一个具体例题进行演练。
例题:
某基金过去 5 年的年化回报率分别为:5%, 8%, -2%, 10%, 3%。请计算该样本的算术 均值、中位数 以及样本 标准差。
分析:
样本量 $n=5$。数据已排序为:-2%, 3%, 5%, 8%, 10%。
计算步骤:
BA II Plus 操作步骤:
2nd + 7 (DATA),清除旧数据:按 2nd + CE/C (CLR WORK)。5,按 Enter,下箭头 ↓;8,按 Enter,↓;-2,按 Enter,↓;10,按 Enter,↓;3,按 Enter,↓。2nd + 8 (STAT),确保模式显示为 1-V(单变量)。↓ 找到 $\bar{x}$(均值),显示 4.8。↓ 找到 $S_x$(样本标准差),显示 4.9295...工具推荐:
如果你习惯使用 iOS 设备备考,强烈推荐 RBA Calculator(TI BA II Plus iOS 应用)。它完美复刻了实体计算器的功能,且支持屏幕录制复习。你可以直接在 App Store 下载:RBA Calculator。在模拟考试中,熟练使用这款应用能帮你快速验证 均值 和 标准差 的计算结果,减少操作失误。
Q1: 为什么样本标准差的分母是 n-1 而不是 n?
A: 这是一个无偏估计的问题。使用 $n-1$ 是为了修正样本方差对总体方差的低估,使其成为总体方差的无偏估计量。CFA 考试中,除非明确指明“总体”,否则默认按样本处理。
Q2: 什么时候必须使用中位数而不是均值?
A: 当数据存在极端异常值(Outliers)或分布严重偏态(Skewed)时。例如收入分布、房价数据,均值会被高收入群体拉高,此时中位数更能代表“典型”水平。
Q3: 标准差可以是负数吗?
A: 不可以。标准差 是方差的平方根,方差是离差平方的平均,必然非负,因此标准差也永远大于或等于零。若计算器出现负值,通常是操作错误。
Q4: 几何均值一定小于算术均值吗?
A: 只要数据不完全相等且存在波动,几何均值就严格小于算术均值。只有当所有数据点完全一致时,两者才相等。这在计算复合回报率时非常重要。
描述性统计虽为基础,却是 CFA 考试中“失分重灾区”。掌握 均值、中位数 和 标准差 的本质区别,警惕样本与总体的陷阱,并熟练掌握计算器操作,是确保数量分析模块拿分的关键。希望本文总结的 5 个错误能为你敲响警钟,助你在 CFA 备考之路上少走弯路,顺利通关。