CFA一级量化方法考点记忆图谱.docxVIP

CFA一级量化方法考点记忆图谱

引言

在CFA一级考试中，量化方法（QuantitativeMethods）是构建投资分析思维的基础模块，其重要性如同建筑的地基——不仅直接占比约12%的考试权重，更贯穿于后续财务分析、投资组合管理等科目的学习中。对于考生而言，量化方法的难点不在于单一公式的记忆，而在于如何将分散的统计概念、概率规则、检验方法等串联成系统的知识网络。本文将以“记忆图谱”为核心，通过分层拆解、逻辑串联与易错点标注，帮助考生建立从基础概念到应用场景的完整认知框架，真正实现“学一点、串一线、通一片”的备考效果。

一、基础统计概念：数据描述的底层逻辑

（一）描述性统计与推断性统计的分界

量化方法的学习始于对数据的理解，而描述性统计与推断性统计的区分是首要门槛。描述性统计的核心是“总结已知数据”，例如用平均数反映数据集的集中趋势，用标准差衡量数据的离散程度；推断性统计则是“通过样本推断总体”，例如通过抽取100只股票的收益率，推测全市场股票的收益特征。考生需注意，二者的应用场景不同：当面对完整数据（如某基金过去10年的全部净值数据）时，应使用描述性统计；当数据仅为样本（如随机抽取30天的交易数据）时，则需转向推断性统计。

（二）集中趋势指标的对比与记忆

集中趋势指标包括均值、中位数和众数，三者的计算逻辑与适用场景差异显著。均值是最常用的指标，计算方法为所有数据之和除以数据个数，但易受极端值影响（例如，若某组数据包含一个极大值，均值会被拉高，无法反映多数数据的真实水平）；中位数是将数据排序后位于中间位置的数值，对极端值不敏感，更适合描述偏态分布的数据（如收入分布）；众数是数据中出现次数最多的数值，适用于分类数据（如统计最常见的基金类型）。考生需记忆的关键点在于：“均值受极端值干扰，中位数看位置，众数找频率”。例如，当分析某城市房价时，若存在少数天价豪宅，中位数比均值更能反映普通居民的购房成本。

（三）离散程度与形态指标的深度理解

离散程度衡量数据的波动范围，常用指标包括极差、方差、标准差和变异系数。极差是最大值与最小值的差，计算简单但仅依赖两个极端值，信息含量低；方差是各数据与均值差的平方的平均数，标准差是方差的平方根，二者均能反映数据的整体波动，但方差的单位是原数据单位的平方（如收益率的方差单位是“%2”），标准差则与原数据单位一致，更便于直观理解。变异系数（标准差除以均值）则用于比较不同均值水平数据集的波动程度——例如，比较股票A（均值10%，标准差5%）与股票B（均值5%，标准差3%）的风险时，变异系数分别为0.5和0.6，说明股票B的单位收益承担的风险更高。

形态指标主要指偏度和峰度。偏度衡量数据分布的不对称性：正偏态（右偏）表示数据右侧有长尾（如多数人收入低，少数人收入极高），此时均值中位数众数；负偏态（左偏）则相反。峰度衡量数据分布的陡峭程度，正态分布的峰度为3，超额峰度=实际峰度-3：超额峰度0表示尖峰厚尾（极端值更多），超额峰度0表示平峰薄尾（数据更集中）。考生需结合实际案例记忆：例如，股票收益率通常呈现负偏态（下跌时幅度更大）和尖峰厚尾（极端涨跌概率高于正态分布）。

二、概率基础：投资决策的逻辑工具

（一）概率规则的应用场景

概率是量化方法中连接数据与决策的桥梁，其核心规则包括加法法则、乘法法则和全概率公式。加法法则用于计算“至少一个事件发生”的概率（P(A∪B)=P(A)+P(B)-P(A∩B)），需注意互斥事件（P(A∩B)=0）时可简化为P(A)+P(B)。乘法法则用于计算“多个事件同时发生”的概率（P(A∩B)=P(A)×P(B|A)），独立事件（P(B|A)=P(B)）时简化为P(A)×P(B)。全概率公式则是“通过多个互斥且穷尽的场景计算目标事件概率”的工具，例如已知经济扩张（概率30%）时股票上涨概率80%，经济衰退（概率70%）时上涨概率20%，则股票整体上涨概率=30%×80%+70%×20%=38%。考生需重点区分独立事件与互斥事件：独立事件是“事件发生与否互不影响”，互斥事件是“不能同时发生”，二者无必然联系（例如，抛硬币正面和反面是互斥但不独立，因为P(正|反)=0≠P(正)）。

（二）概率分布的分类与特征

概率分布可分为离散型和连续型两类，CFA一级重点考察二项分布、正态分布和对数正态分布。二项分布描述“n次独立试验中成功k次”的概率，适用于结果只有“成功/失败”的场景（如预测10只股票中上涨的数量），其均值为n×p（p为单次成功概率），方差为n×p×(1-p)。正态分布是连续型分布的核心，具有对称性（均值=中位数=众数）、钟形曲线、95%的数据落在均值±2倍标准差范围内等特征，且任意正态分布可通过Z=(X-μ)/σ转换为标准正态分布（均值0，标准差1）。对数正态分布则用于描述资