澤稷小編最近收到一位同學發(fā)來的郵件，目前他已經開始再為CFA®三級考試進行備考了，不過在備考過程中他發(fā)現(xiàn)自己對于其中的資本市場科這方面還是很不了解，希望澤稷小編能講解一下，所以今天澤稷小編就打算把這方面的信息為同學們都介紹一下，同學們都可以來了解一下哦！

       問題1：經濟數(shù)據(jù)的限制

       分析師做預測時需要使用各類經濟數(shù)據(jù)，他們在使用經濟數(shù)據(jù)時可能面臨以下4類限制。

       時滯(time lag)：經濟數(shù)據(jù)的公布往往存在時滯。例如，通常在次年2、3月，政府才會公布該國前一年的CPI數(shù)據(jù)。那么分析師想在當年1月就獲取該國前一年的CPI數(shù)據(jù)以預測當年該國的CPI走勢是非常困難的。

       修訂(revision)：關于GDP等一些經濟數(shù)據(jù)，政府會在年初公布一個初始數(shù)據(jù)，隨后會依據(jù)經濟形勢的變化對其進行修正調整后再公布一個修訂數(shù)據(jù)。如果預測模型中同時包括了初始數(shù)據(jù)與修訂數(shù)據(jù)，就會影響預測結果的準確性。

       定義及計算方法發(fā)生的改變(change in definition or calculation method)。例如CPI數(shù)據(jù)，它衡量的是居民一籃子消費品的價格變化情況。通常情況下，這一籃子消費品的構成情況需要每3年調整一次。那么調整后與調整前的CPI數(shù)據(jù)就不再具有可比性。同理，基于中國的消費籃子計算出來的CPI指數(shù)與基于美國消費籃子計算出來CPI的指數(shù)也不具有可比性。因為中國消費籃子的構成與美國大相徑庭。相比美國的消費籃子，中國的消費籃子中不包含房價(只包含裝修費、維護費、租金等費用)，并且食品所占權重非常高。

       基期調整(re-based)：在計算CPI指數(shù)時，我們首先需要確定一個基期的物價水平。如果我們將基期的年份由1980年調整為1990年，那么依據(jù)不同年份基期計算所得的CPI結果也是不一樣的。

       問題2：數(shù)據(jù)計算的錯誤與偏差

       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(fā)現(xiàn)后，是可以避免的。

       謄寫錯誤(transcription errors)：這類錯誤經常發(fā)生在數(shù)據(jù)的收集、處理過程中。例如，在處理數(shù)據(jù)時，將數(shù)字“5.20”看錯為“5.02”就屬于這類錯誤，如果數(shù)據(jù)謄寫錯誤總是偏向一個方向(涉嫌故意篡改數(shù)據(jù))，這就是非常嚴重的問題。

       存活偏差(survivorship bias)：如果數(shù)據(jù)只是反映了一段時期內存活下來的個體情況，就發(fā)生了存活偏差。這類偏差在對沖基金的業(yè)績統(tǒng)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(tǒng)計存活下來對沖基金的業(yè)績，就會高估對沖基金投資品種的整體業(yè)績表現(xiàn)。

       后果：存活偏差下統(tǒng)計所得的數(shù)據(jù)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(xiàn)，并且低估其風險，從而使得預測結果失真。

       數(shù)據(jù)平滑(appraisal[smoothed]data)：數(shù)據(jù)平滑現(xiàn)象經常發(fā)生在那些流動性很差的市場上，被平滑的數(shù)據(jù)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(shù)據(jù)做平滑處理。平滑后數(shù)據(jù)的波動性，往往小于市場上真實數(shù)據(jù)的波動性。

       后果：如果分析師使用了關于資產的平滑數(shù)據(jù)，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(shù)值。此外，數(shù)據(jù)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(shù)據(jù)的波動性進行放大，如此一來，數(shù)據(jù)的離散波動幅度也將隨之增加，但是數(shù)據(jù)的均值并不會因此發(fā)生改變。疫情期間澤稷小編助你備考CFA®：免費領取【CFA®電子版?zhèn)淇紝W習資料】

       問題3：歷史估計的局限性

       分析師對于諸如股票一類波動性很大的資產歷史數(shù)據(jù)的運用要做到隨時更新，與時俱進，尤其是在考慮非平穩(wěn)性問題的情況下。

       非平穩(wěn)性(non-stationarity)：非平穩(wěn)性的產生是由于政治制度或是科技環(huán)境發(fā)生了重大的改變。分析師在使用較長時期的時間序列數(shù)據(jù)(long data series)時，就容易發(fā)生非平穩(wěn)性的問題。例如，分析師獲得了我國1990～2010年度進出口貿易的歷史數(shù)據(jù)，并且想要預測未來的貿易狀況。注意到我國在2001年2月正式加入了WTO(世界貿易組織)，因此2001年12月是一個分界點，貿易狀況于該時點發(fā)生了重大的政策變化。相比較加入WTO之前，我國在加入WTO后放松了進出口方面的諸多限制，并且我國的商品也能夠更容易地被銷售至世界上的其他國家。所以2001年12月之前的數(shù)據(jù)與之后的數(shù)據(jù)的特征是不同的，這就導致了數(shù)據(jù)非平穩(wěn)的問題。使用2001年12月之前的數(shù)據(jù)來預測當前市場環(huán)境下未來的貿易情況是沒有意義的。

       通常，分析師更愿意使用包含更多樣本的長時期的樣本數(shù)據(jù)做模型分析，他們認為期限越長的數(shù)據(jù)，就越能增加模型預測的準確性。但是長期的時間序列數(shù)據(jù)也會誘發(fā)如下問題：

       長期數(shù)據(jù)增加了數(shù)據(jù)包含多個政策時期(cover multiple regimes)的風險。

       大樣本的數(shù)據(jù)長度往往是不可得的。

       我們可以采用“高頻數(shù)據(jù)”法同時解決上述兩個問題。例如，使用周數(shù)據(jù)或者天數(shù)據(jù)。但是高頻數(shù)據(jù)本身也會造成變量間的“不同步性”(asynchronism)的問題，從而低估了數(shù)據(jù)間的相關性。

       問題4：事后風險作為事前風險的有偏估計

       人們對于事前風險(ante risk)會表現(xiàn)出更多的恐慌與不安。例如，人們在做外匯投資前總是擔心匯率風險的發(fā)生，但是當投資期結束后，就會發(fā)表“我早知道本幣會貶值”一類的言論。因此，當我們計算出一個特定時期的事后風險，并以此為依據(jù)再去評估還未發(fā)生事件的事前風險時，就會低估了事前風險的大小，從而也間接高估了資產收益率的大小。

       因此，當分析師在使用事后風險作為評估事前風險的替代時，應當在原有事前風險的基礎上增加一定的風險溢價(risk premium)，這樣度量出的風險才是真實合理的。

       意思航就是本次澤稷小編為同學們的帶來的全部信息了，大家如果對于CFA®考試還有什么疑問的話可以在下方的評論區(qū)中進行留言哦，澤稷小編看到后也會及時為你們解答的。

       相關資訊：哪些東西不能帶入CFA®考場？

掃碼咨詢澤稷老師，解讀CFA®考試政策變動，海量CFA®學習資料免費領取，提供在線解答CFA®學習疑惑。