CFA二級(jí)數(shù)量分析6大難點(diǎn)！你都掌握了嗎？

經(jīng)常聽(tīng)到同學(xué)說(shuō)CFA二級(jí)的數(shù)量分析好難啊，確實(shí)，CFA二級(jí)數(shù)量分析有一定難度，且在考試中的占比為5%-10%，需要提起重視！但從學(xué)習(xí)的相關(guān)內(nèi)容來(lái)看，計(jì)量經(jīng)濟(jì)學(xué)的相關(guān)內(nèi)容在CFA中還算是簡(jiǎn)單的介紹，并沒(méi)有做非常深度的學(xué)習(xí)，所以大家不用擔(dān)心和氣餒！集中且有方法的去學(xué)習(xí)，相信一定能掌握這部分知識(shí)點(diǎn)！

正保網(wǎng)校的老師也給大家匯總了CFA二級(jí)數(shù)量分析的6大難點(diǎn)，來(lái)看看你是不是已經(jīng)掌握啦！

1. ANOVA

2.Multicollinearity, Heteroskedastic & Serial correlation

3. Time Series Models

1)Linear trend model

2)Log-linear trend models

3)Autoregressive (AR) models

4. AR model problems

5. Supervised/ Unsupervised machine learning, Deep Learning & Neural Networks

1) Supervised machine learning（監(jiān)督學(xué)習(xí)）：根據(jù)標(biāo)記好的數(shù)據(jù)（已經(jīng)分類或回歸的數(shù)據(jù)）來(lái)訓(xùn)練模型，使模型能夠自己推理和預(yù)測(cè)新數(shù)據(jù)的標(biāo)簽或值。

2) Unsupervised machine learning（無(wú)監(jiān)督學(xué)習(xí)）：不需要事先標(biāo)記好的數(shù)據(jù)，通過(guò)對(duì)數(shù)據(jù)進(jìn)行聚類、降維、關(guān)聯(lián)等技術(shù)來(lái)發(fā)現(xiàn)數(shù)據(jù)本身的內(nèi)在結(jié)構(gòu)和模式，以幫助我們更好地理解數(shù)據(jù)并從中提取有效信息。

3) Deep Learning（深度學(xué)習(xí)）：通過(guò)一系列的層級(jí)關(guān)系對(duì)數(shù)據(jù)進(jìn)行表示和抽象，從而實(shí)現(xiàn)自動(dòng)化的特征提取和分類，可以處理高維度、非線性和大規(guī)模數(shù)據(jù)，并在復(fù)雜任務(wù)上表現(xiàn)出良好的性能。

4) Neural Networks（神經(jīng)網(wǎng)絡(luò)）：模仿人的神經(jīng)系統(tǒng)，由多個(gè)節(jié)點(diǎn)（或稱神經(jīng)元）和它們之間的連接組成，可以處理更多、更復(fù)雜的特征變量，提高了模型的預(yù)測(cè)能力。

6. PAC&Clustering

1) Principal components analysis (PCA) 主成分分析: 將一組可能存在相關(guān)性的變量轉(zhuǎn)換為一組線性不相關(guān)的變量，實(shí)現(xiàn)降維分析。

2) Clustering 聚類：將相似的數(shù)據(jù)點(diǎn)歸為一類，將不相似的數(shù)據(jù)點(diǎn)分開(kāi)，屬于無(wú)監(jiān)督學(xué)習(xí)。

以上就是CFA二級(jí)數(shù)量分析6大難點(diǎn)的相關(guān)內(nèi)容，后期會(huì)為大家持續(xù)更新備考干貨，可關(guān)注【 備考經(jīng)驗(yàn) 】欄目查看哦！

說(shuō)明：因考試政策、內(nèi)容不斷變化與調(diào)整，正保會(huì)計(jì)網(wǎng)校提供的以上考試信息僅供參考，如有異議，請(qǐng)考生以官方部門(mén)公布的內(nèi)容為準(zhǔn)！

相關(guān)推薦>>

職業(yè)倫理難點(diǎn)總結(jié)|這7個(gè)知識(shí)點(diǎn)超容易丟分！

CFA一級(jí)考試數(shù)量分析9大難點(diǎn)匯總！建議收藏！