项目数据分析师金融数据分析中易犯错误的几个方面.docVIP

金融数据分析中易犯错误的几个方面 一、回归模型的误用 例1： 研究金融发展与贫富差距的关系，认为金融发展先使贫富差距加大（恶化），尔后会使贫富差距降低（好转），成为倒U型。 贫富差距用GINI系数表示，金融发展用（贷款余额/存款总额）表示。回归结果为： ， 模型参数都可以通过显著性检验。 在x的有意义的变化范围内，GINI系数的值总是大于1，细致分析后模型变的毫无意义； 同样的模型还有：GINI系数的值总是为负 模型构建时缺乏考虑，可以采用成分数据的建模方法。 例2： 多元回归模型中的T检验问题（主要解释变量与控制变量）。 例3： 利用系数大小来解释被解释变量对被解释变量的影响大小问题。 二、实证检验中的原假设的选择问题 只能证伪，不能证实。 在统计学的假设检验中，对原假设是倾向于保持的，因此假设检验只控制了弃真错误，而没有控制取伪错误，因此在原假设不真时，被误认为是真的概率很大。 很多时候，我们会遇到这样的情况：如果原假设是A为伪，则原假设不能拒绝；如果原假设是A为真，那么原假设也不能拒绝。 那么，A究竟是伪还是真？ 三、主成分分析的误用 1、主成分分析介绍 主成分分析的工作对象是高维定量变量形成的数据，即的数据，如在上市公司综合评价指标构建中、城市综合竞争力排序中、上市公司资本结构的影响因素等许多问题中，都均会遇到类似数据。 例：福布斯中国最佳商业城市排行榜