全國熱線：400-963-0708 
網站地圖
魯老師
從事CFA培訓教育六年，熟悉CFA課程體系，規劃考試方案，提供CFA備考建議。
考生需要知道，一個高質量的資本市場預期預測一定是一致性的(consistent)、無偏的(unbiased)、客觀的(objective)、有證據支持的(well supported)，并且是預測錯誤最小的。今天班長睿睿就重點說明一下預測過程中會經常遇到的數據計算的錯誤與偏差問題。
我們將這一問題分為“錯誤”(error)和“偏差”(bias)兩類。相較于“偏差”，“錯誤”被人們及時發現后，是可以避免的。
謄寫錯誤(transcription errors)：這類錯誤經常發生在數據的收集、處理過程中。例如，在處理數據時，將數字“5.20”看錯為“5.02”就屬于這類錯誤，如果數據謄寫錯誤總是偏向一個方向(涉嫌故意篡改數據)，這就是非常嚴重的問題。
存活偏差(survivorship bias)：如果數據只是反映了一段時期內存活下來的個體情況，就發生了存活偏差。這類偏差在對沖基金的業績統計中非常常見。市場上對沖基金的分化情況嚴重，存活下來的對沖基金通常都有著較高的收益，而那些被市場淘汰的對沖基金則是血本無歸。只統計存活下來對沖基金的業績，就會高估對沖基金投資品種的整體業績表現。
后果：存活偏差下統計所得的數據由于只考慮到了存活個體的情況，因此將高估投資品種未來收益率的表現，并且低估其風險，從而使得預測結果失真。
數據平滑(appraisal[smoothed]data)：數據平滑現象經常發生在那些流動性很差的市場上，被平滑的數據一般是該類市場上的成交價格。假設在當前房地產市場上，分析師獲取了某套房產月初以及月末的成交價，那么他想要評估該房產位于月中的價值，就只能對相關數據做平滑處理。平滑后數據的波動性，往往小于市場上真實數據的波動性。
后果：如果分析師使用了關于資產的平滑數據，那么他在計算該類資產與其他類資產相關性時，就會低估該相關性的真實數值。此外，數據平滑后計算所得的標準差也是被低估的。
解決方法：分析師可以有意識地對數據的波動性進行放大，如此一來，數據的離散波動幅度也將隨之增加，但是數據的均值并不會因此發生改變。
