按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
的直线能否作为工具准确地预测将来。
冰激凌的回归举例
Ben&Jerry 先生是 20 多家冰淇淋连锁店的老板。他注意
到随着温度的升高或降低，公司的销售额也有相应的变化。
为了确定季节性气候变化和销售额之间准确的数学关系，他
收集了前 5 年每月的销售数据，又从国家气象服务中心查到
对应月份的平均温度。他收集的数据如下：
10 73 600；000
11 45 300；000
12 36 500；000
用 Lotus 计算软件中的数据回归（Data Regression）功
能计算，店主得出如下结果：回归结果
常娄 …379；066
估计的Y值的标准偏差 243；334
R平方 0。704
X系数 16；431
系数的标准偏差 3；367
上列数据的含义是什么？
上面列出的内容包含了描述 Ben&Jerry 公司销售和温度
变化之间关系直线方程的数据。先列出线性方程式：
常数=b=…379；066
X系数=m=16；431
将之代入前面的标准线性方程式中，即：
Y=16；431X…379；066
将数据点在图中画出，并根据方程式绘出这条回归线。
用Lotus计算软件画出的图形如下：
销售Ben&Jerry冰淇淋回归举例
温度°F
如图所示，回归直线从数据点的中间穿过。将温度值 X
代入等式中， 就可以计算出预计的冰淇淋销售量。在Ben&Jerry
的例子中，当温度为 60F°时，估计的月销售额应为 606；794
美元，即
Y=（16431×60F°）…379；066=606；794美元
用这种公式计算出的预计的冰淇淋销售额准确度如何？
对这一问题的答案，可从 Lotus 计算软件中的回归结果
（Regression Output）计算出的另一个数字中找到。
R平方释义
R 平方值告诉我们“用已知的回归方程式解释了数据变化
的百分数”。在这一举例中，回归方程式解释了销售变动的
70。4％。这一比率是很高的。在更为广泛的经济分析中，由于
对经济起影响作用的变动因素很多，所以，能达到30％的 R 平
方值就算是很高的了。在冰淇淋行业，除了天气的变化，所
做的广告，分发的优惠券以及商店营业的时间，都会对销售额的变化有影响。
但是要当心！不要过分指望回归数据的结果！关于温度
变化引起的销售的变化，回归能告诉你的也就这么多。回归
并没说“温度变化确实引起了销售的变支”。但如果选择的
自变量合理，就能得出你想要了解的因变量的值，还是用之
为好。
回归分析不仅能指出诸因素的正面关系，如气温和冰淇
淋的销售的关系，还可以解释负相关因素之间的关系，如利
息和房屋销售的关系。如果利率高，房屋的销售就慢。在这
种情况下，X 系数是负数。这些负相关的作用一如正相关的作
用，都是很有用的。
标准误差释义
Lotus 计算软件得出的“Y 的标准误差和 X 系数”是回归
线Y值标准偏差和 X系数之标准偏差的同义词。在 Ben&Jerry
举例中，估计的Y值（销售）标准误差在68％的情况下是要加、
减243；334 美元。同样得出的结果表明，X 系数（温度）标准
误差是 3367。用标准偏差的方法可以对可能的一组数据进行
各种分析，以确定这些数字的变化以及得出的回归方程式的
可靠性。
可靠性的T型统计测量方法
T 型统计（T Statistic）有助于确定用 Lotus 软件计算
出的回归方程是否能很好地进行预测。T型统计揭示的是 X 变
量对 Y 函数是否在统计上有重大的影响，例如气温对销售的
影响。这一计算方法是将相关系数 X 除以标准误差。大拇指
定律是：如果 T 统计高于 2 或低于…2，变量 X 对函数 Y 就有
统计得到的影响。在我们的举例中。16；431÷3；367=4。88，
具有相当高的 T 型统计值。所以，分析人员就会得出气温对
销售的影响非常明显的结论。
在考虑某一模型能否作为好的预测标准时，需要有一个
较高的 R 平方值和一个较高的 T 型统计值。还可以做出不只
一个 X 变量的模型，叫多重变量回归（Multivariable
regression）。随着变量数量的增加，R 平方也随之增高。但
是，多增加 T 型统计低的变量 X 会造成模型不准确。因此，
有必要人为地增加或减掉独立变量，以达到较高的 R 平方值和较高的T型统计值。
虚拟变量回归分析
回归分析中使用的一种技巧，就是通过虚拟变量（Dummy
variables）表示那些无法用数字衡量的假设条件，即用 0 和
1来表示。例如，在 Toys“R”Us 公司，某一季节内热销的环
具有库存，这就是一种能保证销量急剧上升的非数学化的条
件。采用虚拟变量的方法，我们把有库存的用“1”表示，无
库存的用“0”表示。
假设 Toys“R”Us 公司的一家商店有一组数据，你便可
以看出这组数据是如此发挥作用的。
日期 热销玩具库存情况
（1=有库存，0=无库存）
销售（美元）
92/12/1 0 100；000
92/12/2 0 100；000
92/12/3 1 200；000
92/12/4 1 200；000
92/12/5 0 100；000
92/12/6 1 200；000
92/12/7 0 200；000
用 Lotus 软件计算出的热销玩具和销售之间的关系的回
归结果是：
回归结果
常数 100；000
Y估计值标准误差 0。001
R平方 1。00
X相关系数 100；000
相关系数标准误差 0。0009
这是一个条件非常完美的例子。因为 R 平方解释的变化
量是 100％，T 型统计值也非常合适。T 型统计接近无穷
（100；000/0。0009）。无热销玩具时的销售额是 100；000 美元，有这种热销玩具时的销售量能再多增加 100；000 美元。
用Lotus计算软件计算，这一回归方程式就是：
销售=100；000X美元＋100；000美元
如果人人想买的这种玩具，公司有货，则 X=1，销售额增
至200；000美元；如果无货，则 X=0，总销售额是100；000 美
元。虚拟变量非常有用，可把无级数据，如库存状态、节假
日等，和其它有规则的有级变量，如温度、利率、残次品等，
结合在一起考虑，做出有用的回归模型。
其它预测方法
时间序列法（Time series techniques）是依据一段时
间内关系的变化预测结果。在冰淇淋例子中，绘画出的气温
和销售的数据点并未考虑它们各自发生的时间。回归关系分
析并不考虑时间。显然，季节对 Ben&Jerry's 的销售有影响。
时间序列法在绘出数据点时考虑了发生的时间。这种方法试
图将数据内的变动分离成3个部分：
强调趋势——上、下、平稳（长期衡量）
周期——小时、每日、每周、每月（短期衡量）
意外变动——由于特殊情况或自然巧合引发的意外或不
规则变动
回归和变动平均是用来确定事物发展的趋势和周期的。
你可以想象得到，时间序列的预测过程非常烦琐，用简单的
例子也不了什么问题。但知道有时间序列这种方法，对你至
少还是有帮助的。
总结
本节介绍了具有下列功能的数量分析方法：
·用决策树解决复杂问题
·确定未来收到的现金的价值—现金流分析和净现值分
析
·用概率论将不确定性数量化
·用回归分析和其它预测方法分析变量间的关系并预测
将来
需要掌握的主要词语（KEY QA TADEAWAYS）Decision Trees…A way to graphically show and quantify
multiple outes of a business decision
Sunk Cost…Investments made in the past that have no
bearing on future investment decisions
Expected Monetary Value（EMV）…The blended value of a
decision based on the probabilities and malues of all
possible outes
Accumulated Value—The total future value of cash
folws with all earnings reinvested
Net Present Value（NPV）—The total puesent value of
all cash flows〃discounted〃to today's dollars
Internal Rate of Return（IRR）—The discount rate that
makes the Net Present Value Value of the cash flows equal
0 in today's dollars
Probability Distributions—The graph of all possible
outes with their respective probabilities of
occurring
Binomial Distributions—Probability distribution
with only two possible outes
Normal Distributions—The bell—shaped probability
distribution of all possible outes
Standard Deviation（ σ ） — The measure of the
dispersion（width）of the normal distribution
Mean（μ）—The arithmetic average of all outes
Z Value—A tool to measure probabilities of specific
situations on the normal distribution curve
Cumulative Distribution Function（CDF）—A form of the
normal distribution that shows the probability of being
less than or equal to all possible outes
Regression—A mathematical method of forecasting
using line equations to explain the relationships between
multiple causes and effects第6天 金融
本章主题
商业结构
BETA风险
有效前缘曲线
资本资产价格模式
有效市场假说
投资评估
贴现现金流
股息增值模型
资本预算
资本结构
分红政策
收购与兼并
“我想当个银行家。你要是有 10；000 股股票，那我就帮你卖出
去。我能挣到很多钱。我会非常、非常喜欢我的工作。我会帮助别人。
我要当个百万富翁。我要有个大房子。真好玩。”
——一个7岁小男孩说。
（摘自麦克尔·刘易斯的《编子的扑克牌》“我长大以后做什
么”）
在 80 年代，最时髦的行业是金融业。连孩子们也都梦想
着华尔街的一切。由于有大华尔街的公司向他们提供只有投
资银行家才能有的从事巨客交易的机会，年轻、机敏的 MBA
们不由地暗自窃喜。可惜好景不长。1987 年股票市场的崩溃
令大家的美梦成了泡影。MBA 们也只好放下架子，在并不太让
人羡慕的公司和银行的财务部门里寻找一份工作。银行家们
曾经有过的辉煌也都成为了过去。
金融业虽没有了往目的风光，但 MBA 们在金融界干得还
是满不错的。名校毕业的 MBA 们很快得到重用。和非本专业
毕业的同行相比，他们的薪水也高出许多。同一份工作，华
尔街的 MBA 们每年比别人多拿 2…3 万美元。更有甚者，有些
公司只提拔有MBA学位的人。
需提醒你的是，要注意本书内容的连贯性。如果读本章
时引起了你的兴趣，但只单纯地重视金融的原理而忽视了其
它章节中的内容，那对你不利。金融里有许多非常数字化的概念，所用的数字分析方法，也大都是我们在会计学和数量
分析两章中学到的。就重要性而言，金融在市场营销中所起
一作用与市场营销在金融中所起的作用是同样重要的。销售
人员的销售业绩最终通过财务数据反映出来。金融家们则在
努力向新客户推销自己的同时，也极力向老客户们兜售着新
上市的股票。
企业的本质
企业为什么存在？金融家们认为，存�