在CFA三级考试知识点中，有关资本市场预测过程还有一个问题，就是数据计算的错误与偏差，下面融跃小编就为大家讲讲这个知识点。

  我们将这一问题分为“错误”(error)和“偏差”(bias)两类。相较于“偏差”，“错误”被人们及时发现后，是可以避免的。

  誊写错误(transcription errors)：这类错误经常发生在数据的收集、处理过程中。例如，在处理数据时，将数字“5.20”看错为“5.02”就属于这类错误，如果数据誊写错误总是偏向一个方向(涉嫌故意篡改数据)，这就是非常严重的问题。

  存活偏差(survivorship bias)：如果数据只是反映了一段时期内存活下来的个体情况，就发生了存活偏差。这类偏差在对冲基金的业绩统计中非常常见。市场上对冲基金的分化情况严重，存活下来的对冲基金通常都有着较高的收益，而那些被市场淘汰的对冲基金则是血本无归。只统计存活下来对冲基金的业绩，就会高估对冲基金投资品种的整体业绩表现。

  后果：存活偏差下统计所得的数据由于只考虑到了存活个体的情况，因此将高估投资品种未来收益率的表现，并且低估其风险，从而使得预测结果失真。

  数据平滑(appraisal[smoothed]data)：数据平滑现象经常发生在那些流动性很差的市场上，被平滑的数据一般是该类市场上的成交价格。假设在当前房地产市场上，分析师获取了某套房产月初以及月末的成交价，那么他想要评估该房产位于月中的价值，就只能对相关数据做平滑处理。平滑后数据的波动性，往往小于市场上真实数据的波动性。

  后果：如果分析师使用了关于资产的平滑数据，那么他在计算该类资产与其他类资产相关性时，就会低估该相关性的真实数值。此外，数据平滑后计算所得的标准差也是被低估的。

  解决方法：分析师可以有意识地对数据的波动性进行放大，如此一来，数据的离散波动幅度也将随之增加，但是数据的均值并不会因此发生改变。