跳转到正文

Damodaran · 统计基础 ​

版本:2021 系列 · 官方播放列表

保留官方当前唯一的 Statistics 101 系列。共 14 条。按官方播放列表顺序排列。

序号视频原标题时长学习笔记
1Statistics 101: A Class Preview8:37已提炼
2Session 1: Introduction to statistics16:50已提炼
3Session 2: Sampling in Statistics24:14已提炼
4Session 2A: Sampling - Applications in Finance & Investing26:22已提炼
5Session 3: Descriptive Statistics19:26已提炼
6Session 3A: Descriptive Statistics - Applications in Finance & Investing21:04已提炼
7Session 4: Statistical Distributions14:56已提炼
8Session 4A: Statistical Distributions - Applications in Finance & Investing12:51已提炼
9Session 5: Data Relationships31:59已提炼
10Session 5A: Data Relationships - Applications in Finance & Investing29:25已提炼
11Session 5B: Data Relationships - More Applications in Finance & Investing23:43已提炼
12Session 6: Probability and Probabilistic Tools24:54已提炼
13Session 6A: Probabilistic Tools in Finance & Investing34:15已提炼
14Session 6B: Monte Carlo Simulations in Finance & Investing21:17已提炼

课程提炼 ​

这门课不是统计学入门,而是一份防骗手册加一个工具箱。它讲的内容不多,每个工具都配了金融案例,重点始终在同一件事:这个数字能不能信,能信到什么程度。Damodaran 反复说的一句话是,事实很少,我们处理的几乎都是估计,所以任何数字都要连同它的误差一起看。细节和算例都在单篇笔记里,这里只放跨讲的结构。

知识框架 ​

模块讲次回答的问题
总览预告、第 1 讲为什么学统计,全课有哪几块
抽样第 2 讲、第 2A 讲样本能否代表总体,偏差和噪音从哪来
描述第 3 讲、第 3A 讲怎样用少数指标概括数据,该看哪一个
分布第 4 讲、第 4A 讲数据像哪种分布,能不能假设正态
关系第 5 讲、第 5A 讲、第 5B 讲两个变量有没有关系,回归怎样读、怎样搭
概率第 6 讲、第 6A 讲事件有多大可能,怎样把风险算成决策
模拟第 6B 讲输入都不确定时,结果是什么分布

选工具的总表 ​

你要回答的问题工具先检查什么课程案例
样本均值离真实值多远标准误样本是否有偏,是否独立同分布股票长期回报
典型值是多少中位数或均值是否偏斜,有多少观察值被丢掉PE、股息率
能否假设正态直方图、Q-Q 图、检验周期长短,个股还是指数Disney、Apple、标普 500
两个变量是否同动相关、散点图是否巧合,是否有第三个变量利率和盈利收益率
用 X 解释或预测 Y回归线性、共线性、残差、预测时拿不拿得到 X贝塔、PE、银行 PBV
离散事件的概率Probit、Logit是否从期初全部样本开始破产、恶意收购
风险先后发生决策树每个节点能否放弃FDA 药物审批
宏观或监管结果分几种情景分析情景是否覆盖全部,有无概率easyJet 和脱欧
多个连续输入都不确定蒙特卡洛模拟模型是否可靠,变量是否相关Apple、Zomato

核心结论 ​

  1. 偏差和噪音是两回事:噪音随样本变大而减小,偏差不会。金融里几乎没有随机样本,指数、回测和基金研究都是筛选过的,所以先查样本,再看显著性。
  2. 长期均值会藏起结构变化:小盘溢价 1927–2020 年是 3.54%,1980 年以后却是负的。任何历史均值都要切开再看。
  3. 要看的数字通常不是均值:PE 均值 110、中位数 18,股息率的中位数是 0。先问分布形状,再问被删掉了谁。
  4. 标准差和标准误不能混:标准差说个体,标准误说均值。预测明年的回报要用标准差,估计长期回报才用标准误。
  5. 正态只是方便:指数比个股、长周期比短周期更接近正态,这是中心极限定理的体现。风险管理的问题正好出在尾部。
  6. 相关不是因果,显著不是赚钱:数据够多总能挖到显著的结果。变量要来自模型,不来自搜索;信号还要过交易成本这一关。
  7. 低 R² 不丢人,高 R² 不代表对:9 个观察值配 4 个变量,R² 有 75%,却毫无价值。美国股票的 PE 回归只有 40%,可它是真的。
  8. 主观概率是投资的常态:下一年只有一次,理性的人可以不同,新信息来了就更新。连胜也不是技能的证据,随机情况下也有人能连赢十年。
  9. 风险的形状决定工具:序列用决策树,同时的离散结果用情景分析,连续的用模拟。工具用错,算得再细也没用。
  10. 看清不确定性,反而没那么怕:模拟没有改变 Apple 的中位数,改变的是你知道自己有多大把握。这和生命周期课的“不确定性是特点,不是缺陷”是同一句话。

各讲之间的关系 ​

  • 第 2 讲的独立同分布和大数定律是全课的地基,第 4A 讲的两条法则都可以用中心极限定理解释。
  • 第 2 讲的标准误在第 3、5、6A 讲反复出现,形式不同,含义相同:估计值的噪音随 √n 下降。
  • 第 3A 讲删掉负盈利公司的问题,就是第 2A 讲负盈利回测的问题,第 5B 讲的 PE 回归也一样。
  • 第 4 讲的流程图是第 6B 讲选分布时直接用的。
  • 第 5 讲的诊断在第 5A 讲落到输出表上,第 5B 讲再变成搭建回归的流程。
  • 回归的残差和模拟的百分位是同一种思路:把价格放进一个分布里,看它偏离多远。

和其他课的关系:贝塔的回归是公司金融的工具,模拟和决策树在估值课里用来估值,Zomato 的模拟就是企业生命周期第 10 讲那一张。这门课补的是这些工具背后的统计判断。

这门课的讲义要小心 ​

这门课的讲义和测验答案比前几门错得多,而且有几处正好错在课程要教的东西上。这些错误不改变课程的方向,但用它当参考时要注意:

影响结论的

  • 比例的标准误:第 6A 讲第 2 页写成 2.5%,正确是 5%。测验答案第 6、6A 讲都跟着错,第 6A 讲的基金转移矩阵本来没有持续性的证据,答案却说有。
  • “高估”的判断:第 5A 讲用 2% 的国债利率判断 2021 年 1 月 1 日的 E/P,当时利率是 0.93%,差距也小于一个标准误。第 5B 讲 Indosat 的“贵”同样只有 0.15 个标准误。
  • 决策树:第 6A 讲的算术全对,但 Type 2 分支应该放弃却没放弃,修正后是 50.56。测验第 4 题的答案和题目条件不符,10.86 按题目应约为 4.92。
  • Probit:第 6A 讲测验把线性部分 0.22 当成概率,转换后是 58.7%。
  • 恶意收购模型:第 12 页的 1,096 是收购要约,不是恶意收购,它回答的是“被收购时是否恶意”。

概念性的

  • 峰度的口径:第 3A 讲的表是原始峰度(和 3 比),测验是 Excel 的超额峰度(和 0 比),第 4 讲又把减 3 的值叫 Pearson 峰度。
  • 第 3A 讲用标准误预测明年回报,这是概念错误。第 2 讲用标准误解释个体身高,同样如此。
  • 第 5 讲:VIF 不会小于 1;第 16 页把观察因变量和自变量写反了;第 14 页同方差的图有明显趋势。
  • 第 4A 讲:p 值为 INF 的“不能拒绝”是软件溢出,不是结论。
  • 第 2 讲对弱大数定律的描述,和标准定义不同。

未解决的问题

  • 第 3A 讲第 7、8 页的资本成本中位数对不上,美国分别是 5.30% 和 7.40%,“不必打磨资本成本”的结论用的是第 8 页。按第 6 页的直方图,范围其实更窄,结论还在,数字待查。
  • 第 5A 讲标为 2013 年的欧洲银行名单,看起来是 2000 年代中期的数据。
  • 第 3A 讲测验第 3 题的数据文件已经 404,第 4A 讲同题也无法重算。
  • 预告说全课 15 讲,实际 13 讲,也没有回来检验课程目标的收尾。

← 返回在线课程