← 返回博客列表

掌握描述性统计：CFA考试提分的关键技能

在CFA考试中，描述性统计是量化分析的基础模块，贯穿投资组合理论、风险管理等多个领域。能否快速准确地计算均值、中位数和标准差，直接影响后续章节的学习效率。本文将通过概念解析、实战例题和工具使用指南，帮助考生系统掌握这一核心技能。

---

一、核心概念解析：三大统计量的本质

1. 均值（Mean）

均值是数据集中趋势的度量，计算公式为所有观测值之和除以数据点数量。其数学表达式为：
$$\bar{x} = \frac{\sum_{i=1}^{n}x_i}{n}$$
适用场景：数据分布对称且无极端值时（如正态分布）。
局限性：对异常值敏感，例如某公司年报利润数据中若包含一次巨额亏损，会显著拉低均值。

2. 中位数（Median）

将数据按大小排序后位于中间位置的数值。当数据点为偶数时，中位数为中间两值的平均数。
优势：不受极端值影响，适合偏态分布数据（如收入分布、资产回报率）。
实例：某行业10家公司ROE数据为[2%, 5%, 7%, 9%, 12%, 18%, 23%, 25%, 30%, 45%]，中位数为(12%+18%)/2=15%。

3. 标准差（Standard Deviation）

衡量数据离散程度的核心指标，计算公式为：
$$s = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n-1}}$$
关键意义：标准差越大，数据波动性越强。在CFA考试中常与风险度量、夏普比率计算结合考查。

---

二、实战计算例题与工具操作

例题：计算投资组合收益率统计量

某基金过去5年收益率数据：[12%, 15%, 8%, 20%, 10%]，要求计算均值、中位数和标准差。

步骤1：手工计算

• 均值 = (12+15+8+20+10)/5 = 13%
• 中位数：排序后为[8%,10%,12%,15%,20%]，中间值为12%
• 标准差：
• 计算各值与均值的偏差平方：
  (12-13)²=1, (15-13)²=4, (8-13)²=25, (20-13)²=49, (10-13)²=9
• 求和并除以n-1：(1+4+25+49+9)/4 = 22
• 开平方：√22 ≈ 4.69%

步骤2：BA II Plus操作

1. 按[2ND][DATA]进入数据模式
2. 输入数据：12→[ENTER][↓]，重复至所有数据输入完毕
3. 按[2ND][STAT]调出统计菜单
4. 选择1-V模式查看结果：
5. x̄=13（均值）
6. Med=12（中位数）
7. Sx=4.6904（样本标准差）

💡 iOS用户贴士：若使用RBA Calculator（TI BA II Plus iOS应用），可通过此链接下载，其界面模拟真实计算器操作逻辑，支持离线计算。

---

三、常见错误提醒

错误1：混淆样本与总体标准差

CFA考试通常要求样本标准差（分母为n-1），但部分考生误用总体公式（分母为n）。
解决方案：牢记题目中"样本"关键词，计算器默认输出Sx即样本标准差。

错误2：中位数计算未排序

直接取原始数据中间值会导致错误。例如数据[15,8,20,10,12]未排序时，错误中位数为20%。
检查清单：计算前必须执行升序排列。

错误3：标准差单位误解

标准差与原始数据单位一致（如收益率%），而方差单位是平方（如%²）。选择题中常出现单位陷阱。

---

四、高频问题解答（FAQ）

Q1：如何快速判断使用均值还是中位数？

当数据存在明显异常值（如某交易日VIX指数暴涨）或偏态分布时优先选中位数。CFA考试中可通过直方图形态辅助判断。

Q2：为什么标准差要用n-1作为分母？

这是无偏估计的原理。样本标准差通过n-1修正，可避免低估总体波动性。例如用5年数据估计基金长期风险时，必须使用样本公式。

Q3：离散系数（CV）如何辅助分析？

CV=标准差/均值，用于比较不同量纲数据的相对波动性。例如对比科技股（均值15%，标准差25%）与公用事业股（均值5%，标准差3%），前者CV=1.67远大于后者CV=0.6，说明前者风险收益比更优。

Q4：缺失数据如何处理？

CFA考试中通常假设数据完整。若遇到实际场景题，可采用：
1. 删除含缺失值的观测
2. 用均值/中位数填充
3. 明确标注处理方法对结果的影响

---

结语

描述性统计看似基础，实则是CFA考试中连接理论与实践的桥梁。建议考生通过以下步骤强化掌握：
1. 用BA II Plus反复练习标准差计算（尤其注意Sx与σx切换）
2. 对比不同分布数据的集中趋势形态
3. 结合RBA Calculator进行移动场景复习

当你能在30秒内完成例题计算并解释结果时，便已掌握这项提分关键技能。