歡迎來到資產回報的統計測度！

歡迎你，未來的特許金融分析師（Charterholder）！如果你曾面對一堆股票價格而感到眼花撩亂，那麼你來對地方了。在本章中，我們將從單純的「觀測數據」轉向「摘要數據」。你可以把這些統計測度想像成「捷徑」，讓我們不必逐一查看每日的價格變動，就能了解一項投資的特性。我們將學習如何衡量數據（回報）的「中心」，以及這些數據有多「晃動」或分散（風險）。

別擔心數學不是你的強項，我們會將每個公式拆解成淺顯易懂的語言，並運用大量實際案例來幫助你牢記！

1. 集中趨勢測度：尋找「中心點」

當我們問：「這隻股票提供了什麼樣的回報？」時，我們通常在尋找一個能代表整體組別的單一數值。這就是集中趨勢（Central Tendency）。

算術平均數（Arithmetic Mean，簡單平均）

這是你在學校學過的平均數。將所有數值加總，然後除以觀察值的數量。在 CFA 的世界裡，我們用它來估算單一期間的預期回報（Expected Return）。

公式： \( \bar{X} = \frac{\sum X_i}{n} \)

快速例子： 如果一隻股票在三年內的回報分別為 10%、-5% 和 15%，算術平均數為： \( (10 - 5 + 15) / 3 = 6.67\% \)。

幾何平均數（Geometric Mean，複利增長率）

這對金融業來說更為重要，因為金錢會複利（Compounding）。幾何平均數（RG）能告訴你，如果你將利潤再投資，每年的「典型」回報率是多少。它將永遠小於或等於算術平均數。

公式： \( RG = [ (1+R_1) \times (1+R_2) \times ... \times (1+R_n) ]^{1/n} - 1 \)

類比： 想像你有 100 美元。它先增長 100%（變為 200 美元），然後下跌 50%（回到 100 美元）。
算術平均數： \( (100\% - 50\%) / 2 = 25\% \)。 (聽起來很棒，但你實際上賺了 0 元！)
幾何平均數： \( [ (1+1.0) \times (1-0.5) ]^{1/2} - 1 = [ 2.0 \times 0.5 ]^{0.5} - 1 = 0\% \)。 (這準確反映出你根本沒賺錢。)

調和平均數（Harmonic Mean，用於成本平均法）

當我們探討在一段時間內投入固定金額時的平均價格（平均成本法，Dollar Cost Averaging），我們會特別用到它。

公式： \( \bar{X}_H = \frac{n}{\sum (1/X_i)} \)

重點提示： 對於任何一組不同的數值：算術平均數 > 幾何平均數 > 調和平均數。

中位數（Median）與眾數（Mode）

  • 中位數： 當數據按從小到大排列時，正中間的數值。如果有偶數個數據點，則為中間兩個數的平均值。
  • 眾數： 出現頻率最高的數值。一個分配可以有一個眾數、兩個（雙峰）或完全沒有。

快速回顧： 展現過去績效該用哪種平均數？幾何平均數。 預測明年回報該用哪種平均數？算術平均數。

2. 離散度測度：衡量「晃動程度」（風險）

僅僅知道平均回報是不夠的。我們還需要知道回報距離平均值有多大的偏離（Deviate）。在金融學中，離散度就等於風險。

全距（Range）

最簡單的測度。即最大值減去最小值。
例子： 如果一隻股票最高回報為 20%，最低為 -10%，則全距為 \( 20 - (-10) = 30\% \)。

變異數（Variance）與標準差（Standard Deviation）

這是 CFA 考試中的「重頭戲」。它們衡量數據點距離平均值有多遠。

變異數（\( \sigma^2 \)）： 離差平方後的平均值。我們將其平方是為了讓負差額不會抵消正差額。

標準差（\( \sigma \)）： 變異數的平方根。我們使用它，是因為它與我們的回報（百分比）處於相同單位，這讓討論起來更容易。

計算標準差的步驟：
  1. 計算算術平均數。
  2. 從每個數據點減去平均數（這就是「離差」）。
  3. 將每個離差平方。
  4. 將它們加總。
  5. 除以 \( n \)（如果是總體數據）或 \( n-1 \)（如果是樣本數據）。
  6. 取平方根。

常見錯誤： 忘記在樣本中使用 \( n-1 \)！如果考試題目提到「樣本（Sample）」回報，請務必除以 \( n-1 \)。如果是「整個總體（Population）」，則除以 \( n \)。

目標下行偏離（Target Downside Deviation）

標準差將「好消息」（大漲）與「壞消息」（大跌）同等對待。目標下行偏離則只關注那些低於特定目標或「門檻回報率（Hurdle Rate）」的回報。這對於只關心虧損風險的投資者來說通常更有用。

重點提示： 標準差越高 = 波動性越高 = 風險越高。

3. 相對離散度：變異係數（Coefficient of Variation, CV）

我們要如何比較一隻回報 20% 但風險 10% 的股票，與一隻回報 5% 但風險 2% 的股票？這時就要用到 CV。

公式： \( CV = \frac{Standard Deviation}{Mean} \)

CV 告訴你：「我每承擔 1% 的回報需要承受多少風險？」
數值越低越好！ 這代表你用較少的「風險單位」換取了較多的回報。

4. 分配的形狀：偏度（Skewness）與峰度（Kurtosis）

並非所有的回報數據看起來都像完美的「鐘形曲線」（常態分配）。有時曲線會傾斜或有「肥尾」。

偏度（Skewness，傾斜度）

偏度描述的是分配的對稱性。想像圖表的尾巴（Tail）。

  • 對稱： 平均數 = 中位數 = 眾數。
  • 正偏（右偏）： 尾巴指向右方。表示經常有小額虧損，但偶爾會有巨額回報。（平均數 > 中位數 > 眾數）。
  • 負偏（左偏）： 尾巴指向左方。表示經常有小額回報，但偶爾會有巨額虧損。（平均數 < 中位數 < 眾數）。

記憶法： 「尾巴決定一切（The tail tells the tale）。」如果尾巴指向右邊（正數），就是正偏。

峰度（Kurtosis，肥厚度）

峰度告訴我們關於分配的「尖峰」與「尾部」。在金融學中，我們擔心肥尾（Fat tails），因為它們代表極端事件（市場崩盤）發生的頻率高於常態分配的預測。

  • 尖峰（Leptokurtic）： 峰值更高，尾部更肥。（Lepto = 向上躍升！）。這在金融市場很常見。
  • 平峰（Platykurtic）： 更平坦，尾部更薄。（Platy = 像盤子一樣平）。
  • 常態峰（Mesokurtic）： 常態分配（超額峰度 = 0）。

你知道嗎？ 大多數金融資產都是尖峰（Leptokurtic）。這意味著「黑天鵝」事件（極端異常值）發生的頻率比簡單統計學預測的要高得多！

最終快速檢核

1. 哪種平均數最適合展示歷史增長？ 幾何平均數。
2. 高標準差代表什麼？ 高風險/高波動性。
3. CV 衡量什麼？ 每單位回報所承擔的風險。
4. 「正偏」是什麼樣子？ 右邊拖著一條長尾巴。
5. 什麼是尖峰（Leptokurtic）分配？ 具有肥尾和高峰的分配。

你一定做得到的！這些測度是我們在投資組合管理與股權分析中一切工作的基礎。掌握這些基本功，之後的課程內容將會變得更加直觀。