蒙特卡洛模拟入门：分布设定与结果解读

蒙特卡洛模拟入门：分布设定与结果解读本文档提供：填好的分布设定假设表、拟合优度判定记录、分布参数转换的可粘贴表达式、收敛诊断的逐项读数表、分位数与风险比的成品解读段落、敏感性排序的Sobol结果表、审计检查清单、错误排查表、一个从错误设定到修正解读的完整案例记录、三套场景操作序列；本文档不提供：可直接运行的表格文件、特定公司的真实财务数据、实时市场参数、任何软件的内置函数路径之外的自动化脚本。（内部编号：估值与交易类文档）2026-10-31序号交付物名称所在板块读者卡点用途1填好的分布设定追溯表（示例）一不知道该往分布类型和参数栏里写什么逐变量对照填写，追溯层级与依据一并落地2五点分布选择判定表二五个常用分布之间不知道选哪个按支撑集、参数可得性、尾部特征逐行排除3拟合优度判定记录表（填好的示例）二有历史数据但不知道拟合到什么程度算够用按K-S统计量排序与尾部检查做保留或放弃4分布参数转换公式块（式1—式5）三均值和标准差填不进对数正态，三点估计填不进Beta对数正态矩转换、三角均值方差、PERT转Beta5电子表格可粘贴表达式（含BETA.INV写法）三知道数学公式但不会落到表格单元格里命名范围加函数的可粘贴写法6收敛诊断逐项读数表（填好的示例）四跑完模拟不知道哪个读数算过关按ESS、R-hat、MCSE、运行均值四项判定7分位数解读成品段落（三段）五拿到P10、P50、P90不知道怎么写成可汇报的句子方向、距离、风险比三句直接可用8输出形状检查表（含已填写的观察记录）五均值和中位数差距大，不知道是否正常把形状信号映射回输入假设9下行风险比与上行风险比公式块（式6—式7）五只看区间宽度，忽略两侧不对称计算并并列呈现两侧相对中位数的偏离10一阶与总阶Sobol指数公式块及结果表（式8—式10）六不知道哪个假设在驱动输出方差按方差贡献排序，附1%筛选规则11审计检查清单（18项，含操作路径与勾选栏）七分布设定和结果解读各自查什么没有逐项标准逐行勾选，失败项按补救动作执行12错误排查表（9行）八输出双峰、负值、均值越界时不知往哪里查按症状定位到分布假设、相关性或收敛13完整案例：永续增长率与WACC从错误设定到修正解读九需要看一遍从“直接设正态”到可汇报结果的完整过程含错误诊断、修正动作、修正后的成品输出14三套场景操作序列十不同深度下哪些步骤可以精简完整版、精简版、极简版的步骤与判定线15差异化增补汇总表与来源层级表附录判断这份文档与同类资料的差别四处具体增补动作的汇总与核对状态一、读者卡点与填好的分布设定追溯表建模者坐在一张待填的假设表前：收入增长率、EBITDA利润率、永续增长率、WACC各占一行，右侧“分布类型”和“参数”两栏空着。卡住的动作不是“不会算”，而是不知道该写什么，写完之后也无法向复核者说明为什么是这个分布而不是另一个。另一个反复出现的卡点是分布填了、模拟跑了，输出的均值比中位数高出百分之十几甚至二十，汇报对象问“为什么差这么多”，回答不出来。处理这两个卡点的起点是同一张表。把“选择分布”变成“追溯参数”：每一个分布和参数背后，必须能填出一个追溯层级——历史拟合、三点判断、或外部基准引用。三者都没有的变量，在结果解读中不被允许支撑概率陈述，只能标记为情景假定。这张表在设定参数之前先建好，后续所有解读以它为锚，形状异常时也回到它来定位。表1分布设定追溯表（填好的示例，五个财务变量）变量分布类型参数取值追溯层级追溯依据若为情景假定时的处置收入增长率三角分布下限2.0%，众数5.0%，上限9.0%三点判断近五年实际增速落在2%—8%，上限外推一个百分点—EBITDA利润率Beta分布下限12%，上限22%，α=5.2，β=4.8历史拟合过去十二个季度利润率序列，K-S检验保留Beta—永续增长率三角分布下限1.5%，众数3.0%，上限4.5%外部基准加三点判断长期通胀目标加实际增长中枢，区间宽度做敏感性标注区间来源，不单独支撑“有X%概率超过阈值”WACC三角分布下限7.0%，众数8.2%，上限9.8%三点判断债务成本与股权成本各自区间合成，众数取当前资本结构—资本开支/收入Beta分布下限3.0%，上限8.0%，α=4.0，β=3.5历史拟合十年资本开支强度序列，Beta为K-S统计量最低的候选—追溯层级为“情景假定”的变量，在第五板块的解读段落中只出现范围陈述，不出现概率陈述。表1填完之后，复核者不需要重跑拟合，凭“追溯层级”和“追溯依据”两列就能判断这个分布的设定是否有据。三角分布的参数设定有一个可直接沿用的因子法：以基准情景的点估计为众数，乘以一个低于1的因子得到下限，乘以一个高于1的因子得到上限。一个已发表的DCF模型中，第一阶段年金增长率基准值为1.25%，使用0.7和1.3的因子后，下限为0.875%，上限为1.625%。0.7和1.3不是固定规则，但这个做法本身有参考价值：因子宽度反映判断者对基准值不确定性的量级估计，因子越接近1，区间越窄，模拟输出对增长率的敏感度也越低。Beta分布适合有明确上下界、且希望形状不完全对称的比率型变量。它的四个输入是最小值、最大值、和两个形状参数。电子表格中可以直接用BETA.INV函数配合最小、最大值和α、β生成抽样值，不需要额外软件。当判断者只能给出三点估计（下限、众数、上限）时，先按式(3)换算为Beta参数，再使用。二、分布选择判定与拟合优度记录五个常用连续分布各自适用的数据条件不同。选择时按支撑集、参数可得性、尾部特征依次排除，比凭直觉选一个再试要快。表2五点分布选择判定表候选分布支撑集需要的参数适用的数据条件应排除的情形正态分布全体实数均值、标准差对称、无厚尾、允许负值变量严格为正（收入、利润率、比率）对数正态严格为正对数尺度μ、σ右偏、正值、乘性误差结构变量可能取零或负值三角分布[下限,上限]下限、众数、上限有边界、三点判断可得、数据稀少需要平滑尾部、不能接受众数处的尖点Beta分布[下限,上限]下限、上限、α、β有界比率变量，形状可调无法确定上下界，或需要无界支撑PERT分布[下限,上限]下限、众数、上限（λ=4）三点估计，希望比三角分布更平滑需要独立调节峰度和尾部厚度严格为正的财务比率不使用正态分布，这是支撑集匹配的第一条硬规则。正态分布的抽样会以非零概率产生负值，负的收入增长率在多数模型中会触发分母为零或翻号的连锁反应。如果数据确实近似对称但严格为正，对数正态是更合适的起点；如果数据有明确的上下界且判断信息以三点形式存在，三角或PERT进入候选。有历史数据时，拟合优度不是“跑一个K-S看p值”就结束。K-S在中等样本下对尾部偏离不敏感，一个通过了K-S的正态拟合，仍可能在5%和95%分位上明显偏离样本。尾部检查必须独立执行。表3拟合优度判定记录表（填好的示例，EBITDA利润率序列）候选分布参数估计K-S统计量排序K-Sp值5%分位偏离（占样本标准差）95%分位偏离判定Beta（12%—22%）α=5.2，β=4.81（最低）0.218%11%保留对数正态μ对数尺度，σ对数尺度20.0814%22%放弃，右尾偏离超20%正态均值16.8%，标准差2.1%30.0419%27%放弃，尾部偏离超20%且p值低于0.05三角12%，16.5%，22%40.0325%18%放弃，左尾偏离显著判定顺序是先看尾部，再看K-S排序。Beta在K-S排序中处于第一位，尾部偏离也在20%以内，保留。对数正态的K-Sp值尚可，但95%分位偏离达到样本标准差的22%，尾部不合格，放弃。正态在两个尾部都超出容差，且p值低于0.05，不进入后续模拟。拟合完成后，把选定的分布、参数和“保留原因”写回表1的追溯依据栏。复核者不需要重跑拟合，凭这一行就能判断追溯是否成立。三、分布参数转换公式块与可粘贴表达式手头拿到的参数形式与分布函数要求的形式不一致，是设定环节最常见的操作卡点。均值与标准差不能直接填进对数正态，三点估计不能直接填进Beta，都需要固定的换算。式(1)对数正态参数的矩转换σ式中，Mean为算术平均值，SD为算术标准差，μ为对数尺度位置参数，σ2为对数尺度方差。两个该公式特有的错误：把算术标准差直接当作对数尺度的σ；用中位数代替Mean代入第一式，导致右偏程度被系统性低估。校验方法：用换算后的电子表格表达式（命名范围写法）：LogSigma2=LN(1+(SD_Input^2)/(Mean_Input^2))

LogMu=LN(Mean_Input)-LogSigma2/2将SD_Input替换为标准差所在单元格的命名范围，Mean_Input替换为均值所在单元格的命名范围。反向校验时，在空白单元格写入=EXP(LogMu+LogSigma2/2)，与Mean_Input比较。式(2)三角分布的均值与方差E式中，a为下限，m为众数，b为上限。两个该公式特有的错误：把众数当作均值直接写入假设表；在m靠近边界时仍然用“对称区间”的直觉判断方差大小。校验方法：用模拟抽样计算样本均值，与式(2)的理论均值比较，五万次抽样的偏差应在标准误的两倍以内。电子表格表达式：Tri_Mean=(Low_Tri+Mode_Tri+High_Tri)/3

Tri_Var=((High_Tri-Low_Tri)^2+(Mode_Tri-Low_Tri)*(Mode_Tri-High_Tri))/18Low_Tri、Mode_Tri、High_Tri分别替换为下限、众数、上限的命名范围。式(3)PERT分布转Beta参数令λ=α式中，α与β为Beta分布的形状参数。两个该公式特有的错误：把λ取为6后仍然套用上式；用换算后的Beta参数重算均值时发现偏移，却不回查λ的取值是否与三点估计的加权方式一致。校验方法：用Beta均值公式α÷(α+β)映射回[a电子表格表达式：Alpha_PERT=1+4*(Mode_PERT-Low_PERT)/(High_PERT-Low_PERT)

Beta_PERT=1+4*(High_PERT-Mode_PERT)/(High_PERT-Low_PERT)式(4)用BETA.INV生成抽样值电子表格中的Beta抽样不需要手写随机数生成器。给出一个0到1之间的均匀随机数u，Beta分布的累积分布函数反函数返回对应分位值，再映射到[aX式中，u为均匀随机数，BetaInv为Beta累积分布函数的反函数。两个该公式特有的错误：把BetaInv的两个形状参数顺序写反（α与电子表格表达式（命名范围写法）：Low_PERT+(High_PERT-Low_PERT)*BETA.INV(RAND(),Alpha_PERT,Beta_PERT)RAND()每次重算产生新的均匀随机数。如果需要固定抽样结果用于复核，把RAND()替换为一个已经生成的随机数所在单元格的引用。式(5)三角分布的抽样表达式F令u为均匀随机数。若u<F(m)，则X两个该公式特有的错误：在分段条件中把F(m)的分子分母写反；开方后忘记加回下限a或未从上限b减去。校验方法：生成一万个抽样值，样本落在[a四、收敛诊断：逐项读数与判定模拟跑完之后，输出窗口里有一组分位数，但这组分位数是否已经稳定到可以支撑汇报，需要独立的收敛判定。闸门未通过，后续所有分位数都不应被引用。表4收敛诊断逐项读数表（填好的示例）诊断项本次读数判定线通过与否未通过时的动作秩归一化Bulk-ESS1,240大于400可接受，大于1000理想通过（理想）—秩归一化Tail-ESS（5%与95%分位最小值）510大于400通过（可接受）增加迭代或改用LHS，单独检查尾部覆盖多链R-hat（最大值）1.006小于1.01为严格，小于1.05为可接受通过（严格）增加链数或迭代，分散初始值后重跑目标分位数MCSE与相邻分位间距之比6.2%小于10%通过增加ESS，或收窄报告的分位粒度运行均值图后半段趋势平坦，无明确上行或下行后二分之一波动幅度小于前二分之一的十分之一通过延长模拟，排查循环引用有效样本量不是迭代次数本身。当抽样存在自相关或分层不充分时，十万次迭代的ESS可能只有几百。秩归一化ESS大于400通常足以获得稳定的MCSE估计，1000以上为理想水平。R-hat的常用宽松阈值是1.1，但1.1可能在真正收敛之前就被满足；1.01作为严格判定线更稳妥，1.05可作为可接受的中间线。Tail-ESS单独列出的原因：财务模型的分位数结论集中在下行侧（P10）和上行侧（P90），尾部有效样本量不足时，P10和P90的蒙特卡洛标准误可能远大于中位数的标准误。Bulk-ESS通过而Tail-ESS不通过的情形，说明分布主体的估计已经稳定，但尾部结论仍不可靠。此时优先检查输出直方图的两端是否被少数路径主导，而不是直接增加总迭代次数。运行均值图是成本最低的补充检查。把累计均值按迭代序号画出来，如果后半段仍有明确趋势，即使R-hat和ESS都通过了，结果仍可能在漂移。五、结果解读：分位数、形状与成品段落结果解读的第一步是把中位数、均值、众数放在一起看。三者接近，后续用哪个位置量做决策差异不大；均值高于中位数，输出右偏，差距的幅度就是右偏程度的信号。分位数的方向陈述有一个必须避开的错误：P10是“有10%的模拟结果低于该值”，P90是“有10%的模拟结果高于该值”。一个石油项目模拟的实例中，P10为27百万，意味着10%的模拟路径低于27百万；P90为223百万，意味着10%的路径高于223百万；最低模拟值为负112百万，约5%的路径产生了负净现值。方向写反之后，下行风险和上行机会在汇报中完全颠倒。表5输出形状检查表（含已填写的观察记录）形状信号本次观察是否触发排查优先回查的输入环节解读时的处置均值高于中位数且差距超过中位数的10%均值比P50高8.4%接近阈值，记录但不触发是否存在右偏输入或除法结构同时报告均值和中位数，不以均值单独代表典型值P10与P50距离大于P90与P50距离下行距离为P50的31%，上行距离为27%是是否有左偏输入或成本类变量主导下行风险比单独列出输出直方图双峰无否——均值落在P10—P90之外否否——输出右尾远厚于输入右尾输出P95偏离中位数幅度约为最大输入右尾的1.3倍是乘性结构是否放大右偏输入检查相关性设定式(6)下行风险比与上行风险比D式中，P10、P50、P90为输出的三个分位数。两个该公式特有的错误：在P50接近零或为负时直接使用该比值；把两个比值的大小关系等同于“风险大小”，忽略分母是同一个中位数。校验方法：用同一组输出计算P50式(7)80%区间宽度比W两个该公式特有的错误：在P50为负时取绝对值后仍按正值的直觉解读；用该比值替代尾部风险判断。校验方法：P90−P50以下三段是拿到一组输出后可以直接使用的成品解读段落。三段分别对应方向、距离和不对称性，替换其中的数值和变量名即可进入汇报材料。第一段，方向陈述：“模拟输出的P10为[数值]，表示有10%的模拟路径低于该值；P50为[数值]；P90为[数值]，表示有10%的模拟路径高于该值。P10至P90的区间覆盖了80%的模拟结果。”第二段，距离与偏态：“P50至P10的距离为[数值]，P50至P90的距离为[数值]。下行距离[大于/小于/接近]上行距离，输出分布呈[左偏/右偏/近似对称]。均值[高于/低于]中位数[百分比]，与上述偏态方向一致。”第三段，风险比与用途：“下行风险比为[百分比]，上行风险比为[百分比]。在决策汇报中，下行风险比用于描述低于中位数的相对幅度，上行风险比用于描述高于中位数的相对幅度。两比值均以P50为分母，在P50接近零时不使用。”形状检查的核心判断是：输出形状是输入假设经过模型结构映射后的结果。双峰通常指向输入中隐藏了两个未被显式区分的情景；厚尾通常指向乘性环节放大了输入尾部；均值越界通常指向截断错误或分母接近零的除法。把形状当作诊断输入假设的坐标，比当作需要“修正”的缺陷更有用。六、敏感性结构：哪个假设在驱动方差分位数告诉读者输出落在哪里，敏感性结构告诉读者为什么落在那里。一阶Sobol指数把输出方差分解到各输入变量上，数值等于“仅由该变量引起的输出方差”除以总方差。式(8)一阶Sobol指数S式中，Y为输出，Xi为第i个输入，Si为一阶指数。两个该公式特有的错误：把一阶指数当作该变量的“总贡献”，忽略交互项；在输入高度相关时仍按独立分解解读。校验方法：所有式(9)总阶Sobol指数S式中，X∼i表示除第式(10)交互份额I两个该公式特有的错误：交互份额为负时不做排查（通常指向抽样不足或指数估计未收敛）；把交互份额直接归因给某一个变量。校验方法：交互份额应非负；为负时检查抽样矩阵的独立性。表6Sobol指数结果表（填好的示例）输入变量一阶指数S总阶指数S总阶指数占比（以最大者为100%）排序处置WACC0.550.61100%1假设表修订的优先对象永续增长率g0.300.3862%2保留，与WACC的交互份额不可忽略收入增长率0.040.0711%3保留但降低精度要求EBITDA利润率0.020.047%4可考虑固定为基准值资本开支/收入0.010.023%5若总阶指数小于最大者的1%，可忽略一个可操作的筛选规则：如果某变量的总阶指数小于最大总阶指数的1%，该变量可以从后续敏感性分析或概率陈述中忽略，固定为基准值不会实质性改变输出方差。表6中资本开支/收入的总阶指数占比为3%，高于1%，保留；如果某个变量的占比低于1%，可以按规则固定。七、审计检查清单以下清单按“分布设定—收敛—解读—敏感性”四段排列。每行可勾选，失败时按补救动作执行。表7审计检查清单序号检查项判定标准失败后果补救动作操作路径勾选1每个输入变量有追溯层级表1追溯层级列无空白无法区分数据支撑与情景假定逐变量补填或降级打开假设表，逐行核对追溯层级列☐2分布支撑集与变量定义域匹配严格为正的变量未使用正态产生不可能的负值换对数正态或有界分布对照表2逐变量检查支撑集☐3K-S检验已执行并记录排序至少一个候选有统计量和p值选择缺乏形式依据补做检验并记录候选排序用统计工具逐一拟合候选分布☐4尾部检查独立于K-S5%与95%分位偏离记录在案厚尾被K-S的p值掩盖换厚尾分布或截断处理比较样本尾部分位与拟合分布对应分位☐5对数正态反向校验通过反向计算均值偏差小于0.1%位置参数系统性偏移重算式(1)并核对代入项在空白单元格执行反向公式☐6三角分布众数未被当作均值表1均值与式(2)一致输出均值偏移用式(2)重算并回填计算(a☐7PERT换算的Beta参数可复现映射回区间后均值落在a与b之间形状与三点判断不一致回查λ取值和换算步骤用Beta均值公式反算☐8BETA.INV参数顺序正确α对应左侧形状，β对应右侧分布偏向错误一侧对调α与β后重跑检查电子表格表达式中的参数顺序☐9Bulk-ESS达到判定线秩归一化Bulk-ESS大于400主体分位数MCSE偏大增加迭代或改用LHS读取模拟诊断中的Bulk-ESS☐10Tail-ESS达到判定线5%与95%分位最小值大于400尾部结论不可靠增加迭代并检查尾部覆盖读取Tail-ESS诊断项☐11R-hat达到判定线最大值小于1.01（严格）或1.05（可接受）链间未混合增加链数，分散初始值读取收敛诊断中的R-hat最大值☐12运行均值图已目视检查后半段无明确趋势结果仍在漂移延长模拟或排查循环引用画出累计均值对迭代序号的图☐13输出形状检查表逐行填写表5五行均有观察记录形状异常被当作正常波动补做形状检查并追溯输入对输出执行表5的观察动作☐14分位数方向陈述正确P10描述为“低于”，P90为“高于”下行与上行在汇报中颠倒逐句核对方向词重读解读段落☐15下行风险比与上行风险比已计算两比值有数值且P50不为零不对称风险被区间宽度掩盖补算；P50接近零时改用绝对差值在输出表旁新增两列☐16一阶Sobol指数和不超过1所有Si方差分解不自洽检查抽样设计和指数收敛汇总指数列并求和☐17低总阶变量按1%规则处置低于最大总阶指数1%的变量已标记敏感性排序被噪声变量干扰标记为可固定，不进入概率陈述计算各变量总阶指数占比☐18情景假定变量未支撑概率结论追溯层级为“情景假定”的变量不出现在“有X%概率”句中伪精确陈述改写为范围陈述逐句检索解读段落中的概率表述☐第13项和第14项在实操中失败频率最高：形状检查被跳过，直接读分位数；方向陈述在汇报材料中被写反。两项的补救动作都不复杂，但漏做之后的解读错误不会被数字本身暴露。八、错误排查表输出异常出现时，按症状定位病因，不从最复杂的可能性开始查。表8错误排查表症状首先检查判定线索切换动作不需要先做的输出出现不可能的负值分布支撑集是否有正态分布用于严格为正的变量换对数正态或截断分布先怀疑随机种子输出直方图双峰输入中是否混合了两个情景拆分情景后分别模拟，双峰是否消失分情景报告先增加迭代次数输出尾部远厚于任何输入尾部乘性结构与相关性是否存在1÷检查相关性设定，必要时用联合分布先调整分布参数均值落在P10—P90之外收敛与截断运行均值图是否有趋势；分母是否接近零延长模拟；对分母设下限先修改分位定义P10与P90方向在汇报中颠倒分位数定义句逐句核对“低于”与“高于”改写陈述重跑模拟一阶Sobol指数和超过1或为负抽样设计两组抽样矩阵是否独立生成重新设计抽样矩阵调整输入分布两个变量的Sobol排序与预期相反相关性输入间线性相关是否被忽略计算总阶指数，检查相关矩阵直接删除低排序变量Bulk-ESS高但R-hat仍偏大链间差异多链初始值是否来自同一区域分散初始值后重跑只增加单链长度修正分布后输出形状不变模型结构异常是否来自除法或乘性结构而非输入检查模型公式中的分母和乘数继续调整分布参数最后一行值得单独说明：修正分布参数之后输出形状没有变化，说明异常来源不在输入分布，而在模型结构中。永续价值中WACC−九、完整案例：永续增长率与WACC从错误设定到修正解读以下案例为示例案例，细节为合理设定。某建模者接到一个两阶段自由现金流估值任务，预测期五年，之后进入永续期。永续增长率g和WACC是两个核心输入。第一轮操作：g设为正态分布，均值3%、标准差1%；WACC设为正态分布，均值8%、标准差1.5%；两者独立抽样；十万次迭代。输出结果的P10为负的企业价值，P90约为中位数的两倍以上，均值比中位数高出约18%，直方图在零以下有一个次峰。运行均值图在迭代后半段仍有轻微上行趋势。建模者最初的反应是“样本量不够”，把迭代加到五十万次，负值比例仅从4%降到3.7%，形状没有实质变化。排查从支撑集开始。g取正态分布意味着有非零概率抽到g≥WACC修正分三步。第一步，g改为有界三角分布：下限1.5%、众数3.0%、上限4.5%，并在模型中硬性约束g的抽样值不超过WACC修正后的输出：P10回到正值，双峰消失。P50为1,820（示例单位），均值1,930，均值比中位数高6.0%。P10为1,260，P90为2,310。下行风险比为(1820−1260)÷1820=表9案例变量表变量案例中的情形如果变量不同处置变化永续增长率分布三角分布，有界，加g<若判断g可取负值改用正态或对数正态，但保留除数下限约束WACC分布三角分布，标准差由债务与股权成本区间合成若资本结构在预测期内变化改为逐年抽样或分段情景g与WACC的相关性通过LHS分层间接降低极端配对，未显式设相关矩阵若可获得利率与增长的联合历史序列估计秩相关系数，用Iman-Conover方法施加相关迭代次数与抽样方法十万次，LHS若模型运行成本高、迭代受限保留LHS，以Tail-ESS达标线反推最小迭代数案例中权重较高的变量是WACC，其方差贡献在修正后超过永续增长率。变量表的“如果变量不同”列用于：当读者面对的参数条件与案例不同，不需要重推整个流程，定位到对应行替换处置即可。十、三套场景操作序列表10三套场景操作序列版本适用人群成品包重点操作序列完整版全职估值分析师、交易咨询建模者全量追溯、拟合判定、收敛四项、形状检查、Sobol排序填表1全部变量→有数据的变量跑表3→无数据变量按表2选分布→跑收敛诊断表4四项→逐行填表5→算式(6)至式(10)→走表7全部18项→失败项按表8排查→重跑失败项→按表6排序分配假设修订精力精简版企业财务经理、投资经理追溯层级、收敛三项、分位数三段成品段落、风险比填表1的追溯层级与依据→只对输出方差贡献前两位的变量做表3→读Bulk-ESS、R-hat、运行均值三项→用第五板块三段成品段落替换数值→算式(6)两个风险比→走表7中第1、9、11、13、14、15项→失败项按表8前四行排查极简版学生、转行者、非财务管理者支撑集检查、分位数方向、一个风险比、负值排查检查每个变量是否严格为正、是否用了会产生负值的分布→读P10、P50、P90并逐句核对方向→算式(6)的下行风险比→若输出有负值，