欢迎来到线性回归的世界！

你好，未来的 FRM 持证人！别被「线性回归」(Linear Regression) 这个名字吓到了。这个章节的核心其实非常简单：就是寻找变量之间的关系。在金融领域，我们总是在探讨一件事情（例如利率）如何影响另一件事情（例如债券价格）。线性回归就是一种数学工具，它能帮助我们在杂乱的数据中画出一条「最佳拟合线」(line of best fit)，让我们看清背后的逻辑。如果你曾经看过散点图，并试着在点与点之间画出一条直线，那你其实已经做过回归分析的基本功了！

研读完这份笔记后，你将会学会如何构建这些模型、理解「Beta」系数的真正含义，以及如何判断你的模型是一个可靠的工具，还是仅仅是一次幸运的猜测。

1. 单变量线性回归模型

在单变量线性回归中，我们探讨两个变量之间的关系：因变量 (Dependent Variable, \(Y\)) 与 自变量 (Independent Variable, \(X\))。

方程式：
\( Y_i = \beta_0 + \beta_1 X_i + \epsilon_i \)

让我们将其拆解，逐一理解：
• \(Y_i\)（因变量）： 这是你试图预测或解释的目标（例如：股票回报率）。
• \(X_i\)（自变量/解释变量）： 这是你认为会影响 \(Y\) 的因素（例如：市场回报率）。
• \(\beta_0\)（截距项）： 当 \(X\) 为零时，\(Y\) 的数值。在图表上，它是直线与纵轴的交点。
• \(\beta_1\)（斜率系数）： 这是最重要的部分！它告诉我们 \(X\) 每变动 1 个单位时，\(Y\) 会发生多少变动。
• \(\epsilon_i\)（误差项）： 这就是所谓的「噪声」。现实世界的数据永远不完美，误差项代表了模型中未纳入、但会影响 \(Y\) 的所有其他因素。

真实案例： 想象你的考试分数 (\(Y\)) 取决于复习时数 (\(X\))。其中的 \(\beta_1\) 会告诉你每多复习一小时能增加多少分数；而 \(\epsilon\) 则可能包括你的睡眠时间或考场环境是否吵杂等因素。

重点总结： 回归分析能帮助我们精确量化一个变量改变时，另一个变量会产生多少程度的联动。

2. 普通最小二乘法 (OLS) 估计

我们究竟该如何找出这条「最佳」直线呢？我们使用一种称为普通最小二乘法 (Ordinary Least Squares, OLS) 的技术。别担心它听起来很复杂，概念其实非常直观。

OLS 的目标是找到一条直线，使得真实数据点与直线之间的垂直距离平方和**达到最小。我们之所以将距离取平方，是因为我们不希望正误差与负误差相互抵消，我们想要惩罚所有的「偏离」。

参考公式：
估计斜率 (\(\hat{\beta}_1\)) 的计算方式为：
\( \hat{\beta}_1 = \frac{Cov(X, Y)}{Var(X)} \)
截距 (\(\hat{\beta}_0\)) 的计算方式为：
\( \hat{\beta}_0 = \bar{Y} - \hat{\beta}_1 \bar{X} \)

快速回顾： OLS 通过最小化平方误差给出「最佳拟合」线。这条线一定会通过 \(X\) 的平均值和 \(Y\) 的平均值。

3. 黄金法则：OLS 的假设条件

为了让 OLS 产生可靠的结果（即成为「最佳线性无偏估计量」或称 BLUE），必须满足某些假设条件。如果这些规则被破坏，我们的模型可能会误导我们！

1. 线性关系： \(X\) 与 \(Y\) 之间的关系必须是一条直线。
2. 随机抽样： 数据必须能代表总体情况。
3. 无完全共线性： \(X\) 必须具有变动性。如果 \(X\) 永远是同一个数值，我们就无法观察它如何影响 \(Y\)。
4. 外生性： 误差项不能与 \(X\) 相关。这意味着 \(E(\epsilon | X) = 0\)。若违反此假设，将会产生遗漏变量偏差 (Omitted Variable Bias)。
5. 同方差性 (Homoskedasticity)： 误差项的「散布」或方差在所有 \(X\) 的数值下应保持恒定。

你知道吗？ 如果上述假设成立，OLS 估计量就是现有方法中效率最高的。这被称为高斯-马尔可夫定理 (Gauss-Markov Theorem)。

4. 适配度：模型表现如何？

当我们画出直线后，需要确认它是否表现良好。我们使用判定系数 (\(R^2\)) 来进行衡量。

\(R^2\) 解读：
\(R^2\) 告诉我们 \(Y\) 的变异中有多少百分比是由 \(X\) 解释的。
• \(R^2 = 0.80\) 代表 \(Y\) 的变动中有 80% 可以由我们的模型解释。
• \(R^2\) 的数值范围永远在 0 到 1 之间。

公式：
\( R^2 = \frac{解释变异平方和 (ESS)}{总变异平方和 (TSS)} \)
或者：\( 1 - \frac{残差平方和 (SSR)}{TSS} \)

记忆小撇步： 将 TSS 想象成一个「完整的披萨」。ESS 是你真正吃掉的部分（已被解释），而 SSR 则是剩下的披萨边（未被解释的误差）。

5. 假设检验：关系是否真实存在？

仅仅因为我们找到了一个斜率 (\(\beta_1\))，并不代表它是「真实的」。它可能只是小样本中的随机巧合。我们使用 t-检验 (t-test) 来进行验证。

检验步骤：
1. 设定零假设 (\(H_0\))： 通常我们假设 \(\beta_1 = 0\)（意味着 \(X\) 对 \(Y\) 没有影响）。
2. 计算 t-统计量：
\( t = \frac{\hat{\beta}_1 - 假设数值}{ \hat{\beta}_1 的标准误 } \)
3. 与临界值比较： 如果你的 t-统计量绝对值大于临界值（对于 5% 显著性水平，通常约为 2.0），你就可以拒绝零假设！

关键词： p-值 (p-value) 指的是在零假设为真的情况下，观察到此结果的概率。较低的 p-值（通常 < 0.05）意味着该关系具有「统计显著性」。

常见误区： 不要将统计显著性与经济显著性混淆。一个变量可能具有统计显著性 (p < 0.05)，但其斜率 (\(\beta_1\)) 可能非常微小，以至于在现实金融操作中毫无意义。

6. 置信区间

我们通常不会只给出一个估计点，而是提供一个范围，这就是置信区间 (Confidence Interval)。

公式：
\( \hat{\beta}_1 \pm (t_{临界值} \times SE_{\hat{\beta}_1}) \)

如果我们想要 95% 的置信区间，代表我们有 95% 的把握认为真实的总体参数落在这个范围内。如果该区间包含了零，则表示该关系在统计上是不显著的！

快速总结表：
• 高 t-统计量 (> 2)： 具显著关系。
• 低 p-值 (< 0.05)： 具显著关系。
• 置信区间包含 0： 不显著。

结语

线性回归是量化金融的基石。无论你是计算股票的「Beta」，还是试图预测通胀，你都在使用这些工具。请记住：OLS 最小化平方误差、\(R^2\) 衡量适配度，以及 t-检验检查显著性。掌握这三个支柱，你一定能在 FRM 考试的这部分拿到高分！