📅 2026-08-15 📂 标签: CFA / 相关系数 / Statistics / correlation 👁 0 次阅读

一文搞懂相关系数：CFA 备考必读

在 CFA（特许金融分析师）考试的 Level 1 数量分析方法（Quantitative Methods）中，相关系数（Correlation Coefficient）是一个核心考点。它不仅出现在统计章节，更是投资组合理论（Portfolio Theory）的基石。理解资产之间的相关性，是构建有效前沿、实现风险分散的关键。本文将带你系统梳理相关系数的概念、计算方法及计算器操作，助你在考试中游刃有余。

核心概念：什么是相关系数？

相关系数，通常指皮尔逊相关系数（Pearson Correlation Coefficient），用于衡量两个随机变量之间线性关系的强度和方向。在 CFA 考试中，我们主要关注的是样本相关系数（Sample Correlation Coefficient），通常用符号 $r$ 表示。

相关系数的取值范围在 -1 到 +1 之间：

完全正相关（r = +1）： 两个变量呈完美的正向线性关系，一个变量增加，另一个变量也按比例增加。
完全负相关（r = -1）： 两个变量呈完美的负向线性关系，一个变量增加，另一个变量按比例减少。
无相关（r = 0）： 两个变量之间没有线性关系。

需要注意的是，相关系数仅衡量线性关系（Linear Relationship）。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，但这并不代表它们之间没有关系。这是考生在理解 correlation 时必须警惕的陷阱。

计算示例与公式推导

虽然考试中通常使用计算器，但理解公式背后的逻辑有助于应对概念题。样本相关系数的计算公式如下：

$$ r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{(n-1)s_x s_y} $$

其中，$\bar{x}$ 和 $\bar{y}$ 是均值，$s_x$ 和 $s_y$ 是样本标准差，$n$ 是样本数量。

计算例题：

假设有两组数据 X 和 Y，样本量 $n=4$：
X: 1, 2, 3, 4
Y: 3, 5, 7, 11

手动计算逻辑：
1. 计算均值：$\bar{x} = 2.5$, $\bar{y} = 6.5$
2. 计算分子（协方差的分子部分）：
$(1-2.5)(3-6.5) + (2-2.5)(5-6.5) + (3-2.5)(7-6.5) + (4-2.5)(11-6.5)$
$= (-1.5)(-3.5) + (-0.5)(-1.5) + (0.5)(0.5) + (1.5)(4.5)$
$= 5.25 + 0.75 + 0.25 + 6.75 = 13$
3. 计算分母（标准差乘积部分）：
需先算出 $s_x$ 和 $s_y$，再相乘并乘以 $(n-1)$。
经过计算，$s_x \approx 1.291$, $s_y \approx 3.5$。
分母 $\approx 3 \times 1.291 \times 3.5 \approx 13.55$
4. 得出结果：$r \approx 13 / 13.55 \approx 0.959$

结果表明 X 和 Y 之间存在很强的正线性关系。但在实际考试中，手动计算耗时且易错，必须熟练掌握计算器操作。

BA II Plus 计算器操作详解

在 CFA 考试现场，TI BA II Plus 是你的得力助手。以下是录入上述数据并计算相关系数的标准步骤：

进入数据录入模式： 按下 [2nd] 然后按 [DATA]（即 7 键的功能键）。
录入数据：
- 屏幕显示 X01，输入 1，按 [STO]。
- 屏幕显示 Y01，输入 3，按 [STO]。
- 屏幕显示 X02，输入 2，按 [STO]。
- 屏幕显示 Y02，输入 5，按 [STO]。
- 依次录入 X03=3, Y03=7, X04=4, Y04=11。
- 每录入一组 X,Y 后，按 [8]（即 SDB，Sample Data Block）快速进入下一行。
计算统计量：
- 按下 [2nd] 然后按 [STAT]（即 8 键的功能键）。
- 屏幕显示 1:SAM 或 2:POP。我们需要样本相关系数，确保选择 1:SAM。
- 按下 [4]（即 SDR，Sample Standard Deviation）。
- 继续按 [4] 或 [RCL] 直到屏幕显示 r。
读取结果： 屏幕将显示 r = 0.959。

对于习惯使用移动设备的考生，RBA Calculator 是一款优秀的替代方案。它是专为 TI BA II Plus 设计的 iOS 应用，界面和功能与实体计算器高度一致，非常适合考前模拟练习。你可以在此下载：https://apps.apple.com/cn/app/id1545331477。使用它可以帮助你熟悉按键逻辑，避免考试时因操作生疏而丢分。

常见错误提醒

在备考过程中，考生容易在以下方面陷入误区：

混淆因果关系： 这是最常见的错误。高相关系数并不意味着因果关系（Causation）。例如，冰淇淋销量与溺水事故数量可能高度正相关，但这并不意味着吃冰淇淋会导致溺水，而是因为两者都受“夏季高温”这一共同因素影响。
忽视非线性关系： 如前所述，相关系数仅捕捉线性关系。如果数据呈 U 型分布，计算出的相关系数可能接近 0，但这并不代表两个变量无关。
异常值的影响： 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改变 $r$ 的值，导致对整体关系的误判。
样本与总体的混淆： 考试中需区分样本相关系数（$r$）和总体相关系数（$\rho$）。通常我们只能计算样本值来估计总体值。

FAQ：考生高频疑问解答

Q1: 协方差（Covariance）和相关系数有什么区别？
A: 协方差衡量两个变量共同变动的方向和程度，但其数值大小取决于变量的单位，难以直接比较不同资产间的关系强度。相关系数是对协方差的标准化处理，消除了量纲影响，取值固定在 -1 到 1 之间，更便于比较和解释。

Q2: 如果相关系数为 0，是否意味着两个变量完全独立？
A: 不一定。相关系数为 0 仅表示没有线性关系。两个变量之间可能存在非线性的依赖关系。只有当变量服从联合正态分布时，相关系数为 0 才等价于统计独立。

Q3: 负相关系数意味着什么？是否总是有利的？
A: 负相关意味着一个变量上升时，另一个变量倾向于下降。在投资组合管理中，负相关资产有助于分散风险，降低组合波动率。但负相关本身不代表有利或不利，需结合具体投资目标判断。例如，某些对冲策略追求负相关，而某些行业周期股可能希望保持正相关以同步获利。

Q4: 为什么 BA II Plus 计算器有时计算出的 r 值与我手算不同？
A: 通常是因为样本标准差（$n-1$）与总体标准差（$n$）的选择不同。CFA 考试默认使用样本数据，因此必须确保计算器处于 SAM（Sample）模式，而不是 POP（Population）模式。请检查 STAT 菜单下的选择。

结语

掌握相关系数不仅是通过 CFA 数量分析章节的要求，更是未来从事投资管理工作的基础技能。通过理解其背后的线性关系本质，熟练运用 BA II Plus 或 RBA Calculator 进行计算，并警惕常见的统计陷阱，你将能更准确地评估资产间的 correlation，为构建稳健的投资组合打下坚实基础。祝你备考顺利，早日拿下 CFA 证书！