📚 课程目录第4章描述性统计与可视化

4. 描述性统计与可视化：均值、方差、偏度、峰度、直方图、QQ图、时间序列图

收益率序列的统计特征决定了后续建模方法的选择。无论是计算VaR、构建GARCH模型，还是进行简单的趋势判断，第一步都必须对原始序列进行全面的描述性统计与可视化探查。本章将系统讲解收益率序列的六大核心描述工具：均值、方差、偏度、峰度、直方图、QQ图与时间序列图，并阐明它们之间的逻辑关系与实战应用要点。

4.1 核心统计量：均值、方差、偏度与峰度

4.1.1 核心原理

收益率序列的四个基本统计量从不同维度刻画其分布特征：均值衡量收益率的中心位置（即平均收益水平），方差衡量收益率的离散程度（即波动风险），偏度衡量分布的非对称性，峰度衡量分布的尾部厚度。对于金融收益率序列，这四个统计量往往呈现出与正态分布显著不同的特征，这正是后续建立GARCH等模型的重要依据。

设收益率序列为 \( r_1, r_2, ..., r_n \)，则各统计量的计算公式为：

均值：μ = (1/n) Σ rᵢ
方差：σ² = (1/(n-1)) Σ (rᵢ - μ)²
偏度：S = (1/n) Σ [(rᵢ - μ)/σ]³
峰度：K = (1/n) Σ [(rᵢ - μ)/σ]⁴

在金融实践中，通常使用超额峰度（K-3）来判断与正态分布的偏离程度。正态分布的峰度为3，超额峰度大于0表示尖峰厚尾，小于0表示扁平分布。

4.1.2 判断方法与操作流程

统计量	正态分布参考值	金融序列典型特征	业务含义
均值 μ	任意	接近0但通常为正	长期平均收益水平
方差 σ²	任意	较大且时变	风险度量基础
偏度 S	0	负偏（左偏）常见	负偏意味着左尾更长，极端亏损概率大于极端盈利
超额峰度 K-3	0	显著大于0（尖峰厚尾）	极端事件发生概率高于正态假设

操作流程建议：

计算四个统计量的点估计值；
使用Bootstrap或Jarque-Bera检验判断是否显著偏离正态；
结合样本量n，判断统计量的标准误（如偏度标准误约为√(6/n)）；
将统计量结果与后续可视化结果交叉验证。

经验提示：当样本量n>1000时，偏度标准误约为0.077，峰度标准误约为0.155。若偏度值超过2倍标准误，即可认为存在显著偏态。

4.2 可视化工具：直方图、QQ图与时间序列图

4.2.1 直方图：分布形态的直观呈现

直方图将收益率区间划分为若干等宽区间（bin），统计每个区间内的频数或频率。通过直方图可以直观观察分布的中心位置、离散程度、偏态方向和尾部厚度。绘制时需注意bin宽度的选择：过宽会掩盖分布细节，过窄则产生过多噪声。常用经验法则包括Sturges公式（bin数 = ⌈log₂n + 1⌉）和Freedman-Diaconis规则。

在Python中绘制直方图的典型代码：

import matplotlib.pyplot as plt
import numpy as np

# 假设 returns 为收益率序列
plt.figure(figsize=(10, 6))
plt.hist(returns, bins=50, density=True, alpha=0.7, color='steelblue', edgecolor='black')
plt.xlabel('收益率')
plt.ylabel('概率密度')
plt.title('收益率分布直方图')
plt.grid(True, alpha=0.3)
plt.show()

4.2.2 QQ图：正态性检验的黄金标准

QQ图（Quantile-Quantile Plot）将样本分位数与理论正态分布分位数进行对比。若样本近似正态分布，散点应近似落在45度参考线上。金融收益率序列的QQ图通常在两端出现明显偏离——左端向下弯曲（左尾厚）、右端向上弯曲（右尾厚），呈现典型的"S"形或倒"S"形。

QQ图的解读要点：

中间部分贴近直线：说明分布中心区域近似正态；
左端向下偏离：左尾比正态更厚，存在极端负收益；
右端向上偏离：右尾比正态更厚，存在极端正收益；
整体呈S形：分布比正态更尖峰，即峰度大于3。

4.2.3 时间序列图：动态特征的第一视角

时间序列图按时间顺序绘制收益率，用于观察波动率聚集（volatility clustering）、趋势、周期性和异常值。金融收益率序列的典型特征包括：波动率在大波动后持续较大（聚集效应）、偶尔出现极端值、均值围绕零附近波动。

绘制时间序列图时，建议叠加以下辅助元素：

零水平线（参考基准）；
±2倍标准差带（识别异常波动）；
滚动均值或滚动波动率曲线（观察时变特征）。

4.3 案例拆解：某指数日收益率序列的完整描述性分析

背景与目标：某量化研究团队获得某股票指数近5年（约1250个交易日）的日收盘价数据，需在建模前完成描述性统计与可视化分析，以判断是否适合使用GARCH(1,1)模型。

关键输入数据：

样本量：n = 1250
日收益率计算：rᵢ = ln(Pᵢ/Pᵢ₋₁)
初步统计结果：
  均值 μ = 0.00032（年化约8.1%）
  标准差 σ = 0.0125（年化约19.8%）
  偏度 S = -0.42
  超额峰度 K-3 = 4.8

分析判断过程：

均值检验：t统计量 = 0.00032/(0.0125/√1250) ≈ 0.905，p值约0.37，不能拒绝均值为零的原假设，说明该指数日收益率均值不显著异于零。
偏度与峰度：偏度-0.42（标准误0.069，|S|/SE≈6.1，显著负偏），超额峰度4.8（标准误0.138，显著尖峰），Jarque-Bera统计量远大于临界值，强烈拒绝正态性假设。
直方图观察：分布中心尖耸，左尾明显长于右尾，与负偏度一致。
QQ图观察：两端散点显著偏离参考线，左端向下弯曲明显，确认厚尾特征。
时间序列图观察：波动率呈现明显聚集——2008年金融危机期间波动剧烈，2017年低波动期持续较长时间。

实际操作与结果：团队基于上述分析，决定采用GARCH(1,1)模型并假设残差服从偏t分布（skewed t-distribution），而非标准正态分布。模型拟合后，AIC和BIC均显著优于正态假设模型，且标准化残差的Ljung-Box检验不再显著，说明模型充分捕捉了波动率动态。

风险与代价：若忽略偏度和峰度特征而直接使用正态GARCH模型，会导致VaR估计偏低，在极端市场环境下可能造成风险低估。团队额外进行了回测验证，发现偏t分布假设下的VaR在95%和99%置信水平下均通过Kupiec检验。

复盘经验：描述性统计不是"走过场"，而是建模决策的关键依据。统计量与可视化必须结合使用——统计量给出量化判断，可视化提供直观验证，两者交叉确认才能避免误判。

4.4 常见误区与总结复盘

常见误区一：只看均值而忽略方差。金融收益率均值通常不显著异于零，但方差（波动率）才是风险管理的核心。均值接近零不代表没有风险。

常见误区二：将偏度和峰度分开解读。偏度和峰度是联合描述分布形态的指标，应结合Jarque-Bera检验综合判断。单独看偏度或峰度可能得出片面结论。

常见误区三：直方图bin数选择不当。bin过少会掩盖双峰或多峰特征，bin过多则产生虚假噪声。建议尝试多种bin数并对比结果。

  总结复盘：描述性统计与可视化是收益率序列建模的"体检报告"。均值、方差、偏度、峰度提供量化指标，直方图、QQ图、时间序列图提供直观证据。四统计量+三图形的组合能够全面揭示序列的分布特征、尾部风险和动态规律，为后续选择GARCH族模型、极值理论或Copula方法提供坚实依据。建议在实际分析中始终遵循"先统计后图形、统计图形互验证"的原则。

在实际操作中，建议将上述分析流程标准化为可复用的Python或R脚本，每次获取新数据后自动生成完整的描述性统计报告，包括统计量表、直方图、QQ图和时间序列图，以便快速识别数据特征变化，为建模决策提供及时支持。