此题答案选Ｃ 有一些不理解。 第一段话说ROE随着CEO在位时间长短有显著变化，说明出现了结构性变化，不能用于多元线性回归。这个我理解的，那应该怎么解决呢？分在位时间长短两类进行回归？ 第二段话，在位时间假设正态分布的随机数，为什么不行？如果假设在位时间只是正态分布，而不提随机数，行不行？ 另外，合格的多元回归的残差是均值为零，残差为常数，但对于残差的分布特点有要求么？

本题答案选Ｃ 但题后答案与书中不符，书中写道structured data ML model五步，而text ML model只需要四步（没有写model training)。

170.52与131.42的差额这一部分不是也应该是分配了的么？但是在计算TVPI的时候这一部分没有体现出来呢？

基于结构化数据的ML建模有五步：1.基于任务构建模型，2.数据搜集，3.数据准备和清理，4.数据挖掘，5.模型训练 基于文本得ML建模步骤：1.明确文本问题，2.文本搜集，3.文本问题准备和清理，4.文本挖掘。 为什么后者没有第五步呢？后者不需要训练模型么？

答案选Ａ 答案是指，回归模型残差的标准差等于0.071么！ 我原来以为standard error of estimate是s(f),即预测值的标准差，看来一直理解有误。 S(f)只能根据s(f)与SEE即样本的残差标准差之间的公式计算得出？也就是根据图三的公式。

答案选Ｃ 对于模拟法，有好几处地方提到可以解决自变量之间的相关性，即通过建立一个变量，来显性的代表自变量之间的相关性。 以上我的理解准确么？具体会怎么操作呢？

第一张图： Statement5为什么错了？ 第二张图： 不是很懂conversion price为什么还可以变动 可以详细解释下这道题吗 第三张图： 可以解释下每种outlook下应该如何套利吗

老师，我理解的纯预期理论是说，真实的r2不知道，所以我想预测一个，用什么预测呢？就用市场上的f来预测；但是这样的预测并不准确，因为时间一长什么风险都可能会有，所以要在原有的基础上在加一个risk premium,所以才有了后来的理论，这时真实的r2就应该是市场上能找得到的f加上一个RP.综上：我的结论是 纯预期理论 r2=f；其他理论 r2=f＋RP. 问题： 1，首先我想明确f（远期利率）在这里的定义，所谓的f是不是既定的？能查到的？是不是 通过无风险套利原理 （1＋r1）（1＋f）=(1＋R2)算出来的一个确定的数值？ 2.如果前一问的理解正确，我的结论和老师的板书不一致，他的是f=E(r)＋RP,而我认为是应该在f的基础上加RP，不是加完了得到f。请问如何解释？

请教，以人民币美元汇率为例，比如美元利率由1.0变为0，那是不是F就应该比S大，如果S=7，Rx=4%，F=7*1.04=7.28，那是不是意味着远期美元升值了？但是美元降低利息率，大家应该抛美元买人民币，为何还会升值，这个怎么解释？

这条如何解读为事后？如何理解