複習Day 2:
今天把下載的PDF原版書在某寶上找了家文印店發過去列印裝訂了，大概後天收到。鑑於周末兩天低效的電子書複習效果，既然6000大洋報名費都花了，省不到兩百塊錢的列印費實在有點說不過去，少吃的幾頓大餐等考試完再補上吧。
複習總括
發文前的複習進度：L2V1:P242-250，共8頁，按照原定計劃需要複習40頁才算完成任務。按照CFA官網的Learning Ecosystem裡，每天要完成59個知識點，完成了17個。
今天的學習內容是數量分析裡面的線性回歸分析部分，內容包括線性回歸方程、線性回歸方程的求解、假設。本著學以致用的精神，在excel中做了線性回歸分析的模型。
對應考綱Los4b ：explain the assumptions underlying linear regression and interpret regression coefficients。說明在線性回歸下的假設，並解釋回歸係數。
今日思維導圖
線性回歸分析模型（Linear Regression Model）和相關假設的思維導圖如下：
知識點
1.線性回歸方程：Y=b0+b1X+ε，i=1,……n
2.線性回歸方程模型我將其中的內容分為三部分：
（1）變量/觀測值（oberservations），Xi,Yi，這是要分析的數據對象。教材中舉例的研究貨幣供應量的關係（Money Supply Growth)對通貨膨脹率（Inflation Rate）的影響。觀測值可以用散點圖直觀地用圖形表示出來
（2）回歸係數（Regression Coefficient）:b0，b1，這是要求解的回歸方程的參數。有了b0，b1,就有了兩個變量之前的線性回歸方程。
為了計算回歸係數，引入了協方差Cov（X,Y）和方差Var（X）的概念。這些知識都是大學學過的，CPA考試也有涉及，所以還能學得通。
考綱裡有一條，要解釋回歸係數，我理解這是初中數學的內容了，那就是X變動1個單位，Y對應變動b1個單位。
以教材上的例子來說，得到的回歸方程為：通貨膨脹率=-0.0008+0.3339*長期貨幣供應增長率，那就意味著某個國家的長期貨幣供應增長率如果預測的長期貨幣供應增長率為0，則這個國家的預期通貨膨脹率-0.08個百分點，長期貨幣供應增長率每增加1個百分點，比如從3%增長到4%，那麼預測的通貨膨脹率增加0.3339個百分點。
（3）誤差項（error term）：ε。這是當得出回歸方程後，用回歸方程計算出來的預測值（Predict Value）與實際的觀測值（Actual Value）之間的差。我理解的誤差項的存在， 主要是為了驗證回歸方程的準確性，誤差項的方差越大，說明預測與實際的偏差越大，預測的準確度較低。誤差項的方差越小，說明預測與實際的偏差越小，預測的準確度越高。
3.線性回歸的假設
教材上一共列了6個假設，我沒有學得特別明白，我的理解就是為了推導出線性回歸方程，以下條件必須滿足，否則就算不出上述的線性回歸方程，或者即使算出來線性回歸方程了，回歸的可靠性也很差。假設準備死記硬背了
有以下6點：
（1）Y,X在參數b0，b1下呈線性關係，
（2）X不是隨機變量
（3）誤差項的期望值為0，E(ε) = 0
（4）同方差性，誤差項的方差=樣本方差。
（5）誤差項獨立不相關，因此誤差項乘積的期望值=0，
（6）誤差項服從期望值為0，同方差的正態分布。
Excel模型
教材上的案例被我整理為Excel模型了，有需要的可以後臺回復"CFA模型」，後面的學習中，如有有新的模型，也會繼續做。
回歸分析的實務案例：
市銷率（PS）和毛利率有什麼關係？excel畫散點圖就知道了
今天下雪了，放一張雪景吧。