m和equity return不应该是负相关的吗

通常来说price return应该跟roll return 相反才对吧？这里居然两个都是负的？

课后题，R38 Q14，表二中的vega=0.4231和表下的24%的波动率，这两者的区别在哪？

为什么yield curve是steepen呢？书上写的是inverted呀

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？