在金融风险管理（FRM）考试中，线性回归分析是量化风险建模的核心工具之一。无论是评估资产价格与宏观经济指标的关系，还是构建风险因子的敏感性模型，掌握回归分析都至关重要。本文将通过BA II Plus计算器的LIN功能，带你高效解决回归问题，并附赠实用技巧与避坑指南。
线性回归旨在建立因变量（Y）与自变量（X）之间的线性关系模型：
$$ Y = \alpha + \beta X + \epsilon $$
其中，$\alpha$ 是截距，$\beta$ 是斜率，$\epsilon$ 为误差项。最小二乘法通过最小化残差平方和（$\sum(Y_i - \hat{Y}_i)^2$）求解最优参数，是FRM考试中回归分析的标准解法。
BA II Plus的LIN模式专为线性回归设计，无需手动计算协方差或标准差，直接输出$\alpha$、$\beta$及标准误差。相比传统方法，LIN功能可将解题时间缩短70%，是FRM Part II风险测量与管理模块的必备技能。
题目：某基金经理分析过去5年沪深300指数（X）与科技股组合收益率（Y）的关系，数据如下：
| X（沪深300收益率%） | 8.2 | 12.5 | 6.7 | 15.3 | 9.8 |
| Y（科技股收益率%） | 10.5 | 18.2 | 7.9 | 22.1 | 13.4 |
用最小二乘法计算回归方程，并验证科技股对沪深300的敏感度（β系数）。
进入LIN模式
按 2nd → LN（进入统计菜单）→ 选择 3: LIN（线性回归）
屏幕显示：LIN 模式已激活
输入数据
2nd → CLR WORK 清除旧数据 8.2 → ENTER → ↓ → 12.5 → ENTER → ↓ ... 依次输入5个X值 输入Y值：10.5 → ENTER → ↓ → 18.2 → ENTER → ↓ ... 依次输入5个Y值
每输入一对数据后，屏幕左上角显示 n=1，表示已录入1个数据点
计算回归参数
2nd → LN → 选择 5: r（相关系数）→ 屏幕显示 r=0.987（强正相关） ↓ → 选择 6: a（截距）→ 显示 a=0.452 按 ↓ → 选择 7: b（斜率）→ 显示 b=1.432
回归方程：$Y = 0.452 + 1.432X$
解读结果
💡 iOS用户提示：若需更高精度计算，可下载 RBA Calculator（苹果商店链接），其内置LIN功能支持多元回归与残差分析。
现象：计算结果异常（如β系数为负值）
解决：每次使用前必按 2nd → CLR WORK，确保数据表清空。
现象：尝试用STAT模式计算回归，需手动输入公式
解决：回归问题优先选LIN模式，STAT仅适用于单变量统计。
现象：X/Y数据错位导致参数错误
解决：先输入所有X值，再输入Y值，用 ↓ 键切换输入列。
A：通过手动计算斜率公式交叉验证：
$$ \beta = \frac{n\sum XY - \sum X \sum Y}{n\sum X^2 - (\sum X)^2} $$
代入例题数据计算得β=1.432，与计算器结果一致。
A：不支持。LIN模式仅处理单变量回归，多元回归需用Excel或Python。但FRM考试中90%回归题为单变量，掌握LIN已足够。
A：
- r：皮尔逊相关系数（范围-1~1），反映线性相关强度
- R²：决定系数（范围0~1），表示模型解释的变异比例
FRM常考R²，需手动计算 $R² = r^2$
A：按 STO → 1 存储当前数据，RCL → 1 可调用。但关机后数据清除，重要数据建议记录。
掌握这些技巧后，线性回归不再是FRM路上的拦路虎，而是你量化分析的得力助手。立即打开BA II Plus，用LIN功能验证本文例题，让回归分析成为你的得分利器！