← 返回博客列表

相关系数速成：10 分钟搞定 CFA 必考知识点

在 CFA 特许金融分析师考试的备考旅程中，统计学基础是构建金融分析能力的基石。无论是 CFA 一级中的定量分析，还是二级中的资产配置，理解变量之间的相互关系都至关重要。今天，我们将聚焦于一个核心概念——相关系数（Correlation Coefficient），通过 10 分钟的速成讲解，帮助你掌握这一必考知识点，理清变量间的线性关系。

深入理解相关系数的核心概念

相关系数是统计学中用于度量两个变量之间线性相关程度的统计量。在 CFA 考试中，我们主要研究的是皮尔逊相关系数（Pearson Correlation Coefficient）。它不仅仅告诉我们两个变量是否相关，还能揭示这种关系的强度和方向。

取值范围与含义

相关系数的取值范围严格介于 -1 到 1 之间（$-1 \le r \le 1$）。
* 正相关（Positive Correlation）： 当 $r > 0$ 时，表示两个变量同向变动。例如，经济增长率与股市指数通常呈正相关。
* 负相关（Negative Correlation）： 当 $r < 0$ 时，表示两个变量反向变动。例如，失业率与消费信心指数通常呈负相关。
* 无相关（No Correlation）： 当 $r = 0$ 时，表示两个变量之间没有线性关系。但这并不意味着它们之间完全没有关系，只是没有线性关系。

线性关系的强度

理解线性关系的强度是解题的关键。虽然教科书上没有绝对的标准，但通常可以参考以下经验法则：
* $|r| < 0.3$：弱相关
* $0.3 \le |r| < 0.7$：中等相关
* $|r| \ge 0.7$：强相关

值得注意的是，相关系数对异常值（Outliers）非常敏感。一个极端的数据点可能会显著扭曲相关系数的计算结果，导致错误的结论。

计算例题与 BA II Plus 操作步骤

掌握手动计算逻辑和使用金融计算器是 CFA 考生的必备技能。虽然考试中允许使用计算器，但理解公式背后的逻辑有助于你在没有计算器的情况下快速估算。

计算公式

样本相关系数 $r$ 的计算公式如下：

$$ r = \frac{\sum_{i=1}^{n} (X_i - \bar{X})(Y_i - \bar{Y})}{(n-1)s_X s_Y} $$

其中，$s_X$ 和 $s_Y$ 分别是 X 和 Y 的样本标准差。

计算例题

假设我们有以下两组数据，代表股票 A 和股票 B 的月度收益率（单位：%）：

月份	股票 A (X)	股票 B (Y)
1	1	2
2	2	4
3	3	5
4	4	4
5	5	5

我们需要计算这两只股票收益率之间的相关系数。

TI BA II Plus 操作步骤

在考试现场，熟练使用计算器能节省宝贵时间。以下是使用德州仪器 TI BA II Plus 计算相关系数的步骤：

1. 进入统计模式： 按 [2nd] 然后按 [7] (STAT)。
2. 清除旧数据： 按 [2nd] 然后按 [3] (CLRALL)，确保之前输入的数据被清除。
3. 输入数据对：
   • 输入 X 值（股票 A）：按 1 [ENTER] [+]。
   • 输入对应的 Y 值（股票 B）：按 2 [ENTER] [+]。
   • 重复此过程输入剩余数据：2 [ENTER] [+] 4 [ENTER] [+]，以此类推，直到输入完所有 5 对数据。
4. 计算相关系数：
   • 按 [2nd] 然后按 [8] (STAT)。
   • 按 [▼] 向下滚动，直到看到 r (相关系数) 显示在屏幕上。
   • 按 [ENTER] 即可得到结果。

在这个例子中，计算出的相关系数约为 0.85，表明股票 A 和股票 B 之间存在较强的正线性关系。

移动端备考神器：RBA Calculator

对于习惯使用手机进行碎片化学习的考生来说，实体计算器可能不够便携。此时，RBA Calculator 是一个极佳的选择。它是 TI BA II Plus 的官方 iOS 应用版本，功能与实体计算器完全一致，且界面针对触摸屏进行了优化。

在通勤或休息间隙，你可以随时打开应用练习相关系数的计算，确保对按键操作的肌肉记忆。下载链接如下：
RBA Calculator (TI BA II Plus iOS 应用)

常见错误提醒

在 CFA 考试中，许多考生并非不会计算，而是对概念的理解存在误区。以下是三个需要特别警惕的错误：

1. 混淆相关与因果（Correlation vs. Causation）： 这是最常见的陷阱。两个变量高度相关并不代表其中一个导致了另一个。例如，冰淇淋销量与溺水事故数量在夏季呈正相关，但这并不意味着吃冰淇淋会导致溺水，而是因为天气炎热这一共同因素。
2. 忽略非线性关系： 相关系数仅衡量线性关系。如果两个变量之间存在强烈的曲线关系（如抛物线），相关系数可能接近 0。因此，看到 $r=0$ 不能直接断定变量独立。
3. 忽视异常值的影响： 如前所述，一个离群点可能会将原本无相关的数据拉出高相关系数。在分析数据前，应先观察散点图（Scatter Plot）。

考生高频 FAQ

Q1: 协方差（Covariance）和相关系数有什么区别？
两者都衡量变量间的方向性关系，但协方差受数据量纲（单位）影响，数值大小难以直接解释。而相关系数是标准化后的协方差，取值在 -1 到 1 之间，无量纲，便于比较不同变量对之间的关系强度。

Q2: 如果相关系数为 0，是否意味着两个变量完全独立？
不一定。$r=0$ 仅表示没有线性关系。变量之间可能存在复杂的非线性关系（如二次函数关系）。但在 CFA 考试中，若无特殊说明，通常假设我们关注的是线性依赖关系。

Q3: 如何快速判断相关系数的正负？
观察散点图的倾斜方向。如果数据点从左下方向右上方分布，斜率为正，相关系数为正；如果从左上方向右下方分布，斜率为负，相关系数为负。

Q4: 相关系数会受到数据缩放的影响吗？
不会。相关系数具有尺度不变性（Scale Invariance）。如果你将 X 的所有数据乘以 2，或者给 Y 的所有数据加上 10，相关系数 $r$ 的值保持不变。这是它优于协方差的一个重要特性。

结语

掌握相关系数是 CFA 备考路上的关键一步。它不仅是一个计算公式，更是理解资产组合分散化原理的基础。通过理解其背后的线性关系逻辑，结合 BA II Plus 或 RBA Calculator 的熟练运用，并避免常见的概念误区，你将能够轻松应对考试中的相关考点。祝你在 CFA 考试中取得优异成绩！