今天把下載的PDF原版書在某寶上找了家文印店發過去打印裝訂了，大概後天收到。鑒于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，省不到兩百塊錢的打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。

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。

今天的學習内容是數量分析裡面的線性回歸分析部分，内容包括線性回歸方程、線性回歸方程的求解、假設。本着學以緻用的精神，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，并解釋回歸系數。

線性回歸分析模型（Linear Regression Model）和相關假設的思維導圖如下：

1.線性回歸方程：Y=b0 b1X ε，i=1,……n

2.線性回歸方程模型我将其中的内容分為三部分：

（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币供應量的關系（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）回歸系數（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。

為了計算回歸系數，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，要解釋回歸系數，我理解這是初中數學的内容了，那就是X變動1個單位，Y對應變動b1個單位。

（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确性，誤差項的方差越大，說明預測與實際的偏差越大，預測的準确度較低。誤差項的方差越小，說明預測與實際的偏差越小，預測的準确度越高。

3.線性回歸的假設

教材上一共列了6個假設，我沒有學得特别明白，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

（1）Y,X在參數b0，b1下呈線性關系，
（2）X不是随機變量

（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，同方差的正态分布。

教材上的案例被我整理為Excel模型了，有需要的可以留言，後面的學習中，如有有新的模型，也會繼續做。