← 返回博客列表

CFA 一级备考指南：深度解析相关系数，量化分析提分的关键技能

在 CFA 一级考试的量化方法（Quantitative Methods）科目中，相关系数（Correlation Coefficient）不仅是统计学的核心概念，更是现代投资组合理论（Modern Portfolio Theory）的基石。许多考生在备考初期容易忽视这一知识点，认为其只是简单的公式记忆，但实际上，深刻理解相关系数背后的逻辑，是掌握资产组合风险分散机制的关键技能。本文将带你从概念到实操，全面攻克这一考点，助力你在CFA考试中稳步提分。

什么是相关系数？理解线性关系的核心

相关系数，通常指皮尔逊相关系数（Pearson Correlation Coefficient），用于衡量两个变量之间线性关系的方向和强度。在金融场景中，我们常用来衡量两种资产收益率之间的联动情况。

相关系数的取值范围严格限制在 -1 到 +1 之间：
* r = +1：表示完全正相关，两个变量同向变动，线性关系最强。
* r = -1：表示完全负相关，两个变量反向变动，线性关系最强。
* r = 0：表示无线性相关，但这并不意味着变量之间没有非线性关系。
* 0 < r < 1：正相关，数值越大，线性关系越强。
* -1 < r < 0：负相关，数值越小（绝对值越大），线性关系越强。

在 CFA 考试中，理解correlation不仅仅是一个数字，它直接决定了投资组合的风险降低潜力。当资产之间的相关系数越低，尤其是接近负相关时，组合的风险分散效应越显著。

相关系数的计算与实操例题

掌握公式是基础，但在考场上，利用金融计算器快速计算才是提分关键。相关系数的计算公式为：

$$r_{xy} = \frac{Cov(X,Y)}{\sigma_X \sigma_Y}$$

其中，$Cov(X,Y)$ 是协方差，$\sigma_X$ 和 $\sigma_Y$ 分别是 X 和 Y 的标准差。

计算例题

假设我们有两只股票 A 和 B 在过去 3 年的年化收益率数据如下：

• 股票 A 收益率 ($X$): 10%, 12%, 8%
• 股票 B 收益率 ($Y$): 15%, 18%, 9%

我们需要计算这两只股票收益率的相关系数。

手动计算思路：
1. 计算均值：$\bar{X} = 10\%$, $\bar{Y} = 14\%$
2. 计算协方差：$Cov(X,Y) = \frac{(10-10)(15-14) + (12-10)(18-14) + (8-10)(9-14)}{3-1} = \frac{0 + 8 + 10}{2} = 9$
3. 计算标准差：$\sigma_X \approx 2\%$, $\sigma_Y \approx 5.2\%$
4. 代入公式：$r = \frac{9}{2 \times 5.2} \approx 0.865$

虽然手动计算能加深理解，但在考试中推荐使用 TI BA II Plus 计算器，效率更高且不易出错。

TI BA II Plus 操作步骤

请使用以下步骤在计算器上完成上述计算：

1. 清除旧数据：按 [2nd] [DATA]，然后按 [2nd] [CLR WORK] 清除统计寄存器。
2. 进入数据输入模式：按 [2nd] [DATA]。
3. 输入第一组数据：
   • 在 X 处输入 10，按 [ENTER]。
   • 按 [↓] 箭头，在 Y 处输入 15，按 [ENTER]。
   • 按 [↓] 箭头，在 Freq 处输入 1，按 [ENTER]。
4. 输入第二组数据：
   • 按 [↓] 跳过 X，直接按 [↓] 到 Y，输入 18，按 [ENTER]。
   • 按 [↓] 确认 Freq 为 1。
5. 输入第三组数据：
   • 按 [↓] 到 X，输入 8，按 [ENTER]。
   • 按 [↓] 到 Y，输入 9，按 [ENTER]。
   • 按 [↓] 确认 Freq 为 1。
6. 查看结果：按 [2nd] [STAT] 进入统计菜单。
7. 选择双变量统计：按 [2nd] [2-VAR]。
8. 查找相关系数：使用 [→] 右箭头键，直到屏幕显示 r，下方数值即为答案 0.8660（四舍五入差异属正常）。

对于习惯移动端学习的考生，推荐使用 RBA Calculator，这是专为 TI BA II Plus 设计的 iOS 应用，界面模拟真实计算器，非常适合考前突击练习统计功能。你可以在这里下载：RBA Calculator。

常见错误提醒

在 CFA 考试及实际应用中，关于相关系数的误区非常多，考生需特别注意：

1. 混淆相关性与因果性：这是最常见的陷阱。高相关系数并不意味着一个变量导致了另一个变量的变化。例如，冰淇淋销量与溺水人数可能高度正相关，但这并不代表吃冰淇淋会导致溺水，而是因为夏天高温这个共同因素。
2. 忽视非线性关系：相关系数只能衡量线性关系。如果两个变量之间存在强烈的曲线关系（如 U 型关系），相关系数可能接近 0，但这并不代表两者无关。
3. 受异常值影响大：皮尔逊相关系数对极端值（Outliers）非常敏感。一个异常的数据点可能会显著扭曲计算结果，导致错误的结论。
4. 样本容量过小：在小样本情况下计算出的相关系数可能不稳定，不具备统计显著性。

CFA 考生常见 FAQ

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变动的方向，但其数值大小受变量单位影响，难以直观判断强弱。相关系数是标准化后的协方差，消除了单位影响，取值固定在 -1 到 1 之间，更适合比较不同资产间的关系强度。

Q2: 如果相关系数为 0，是否意味着两个资产完全独立？
A: 不一定。相关系数为 0 仅表示没有线性关系。它们之间可能存在非线性关系。但在 CFA 考试语境下，通常假设线性模型，因此常将 r=0 视为不相关，用于计算组合方差时交叉项为 0。

Q3: 相关系数如何影响投资组合的风险？
A: 根据现代投资组合理论，组合的风险不仅取决于单个资产的风险，还取决于资产间的相关系数。当资产间的相关系数小于 1 时，组合的标准差将小于各资产标准差的加权平均值，从而实现风险分散。相关系数越低，分散效果越好。

Q4: 在 CFA 二级或三级中，相关系数还会考吗？
A: 会。虽然一级侧重计算，但二级和三级更侧重应用。例如在风险管理（Risk Management）或投资组合管理中，需要利用相关系数构建有效前沿或评估对冲效果。

总结

掌握相关系数不仅是通过 CFA 一级量化科目的要求，更是未来从事金融分析工作的基本功。通过理解其代表的线性关系，熟练运用 BA II Plus 或 RBA Calculator 进行计算，并避开常见的逻辑误区，你将能在考试中轻松应对相关题目。记住，数据背后的逻辑比数字本身更重要。祝你备考顺利，早日持证！