CFA二级数量 总结

自制思维导图，适用于jc网课的版本。所有的知识点都给大家整理出来了，方便大家备考时翻阅查看，帮助大家加深记忆、提高复习效率。需要重点记忆的地方已经用符号和不同颜色的字体给大家标注出来了，希望对大家备考有所帮助。

数量

• Regression
  • linear
    • 建模
      • 计算：b1(OLS),b0
      • X:indepentent variable；
        • Y:depentent variable；
      • assumption
        • E(Error term)=0
    • 分析
      • 1.ANOVA
      • 2.R-Squared
        • Coefficient of determination
      • 3.SEE
    • 检验
      • 1.参数估计
      • 2.假设检验
      • 题目中表内t检验F值是针对于原假设等于零情况下的。
      • P value越小越拒绝，是与显著性水平比较的
    • 预测Y
      • 点估计
        • 带入计算
      • CI
  • multiple
    • 1.与linear的区别
    • 2.Dummy variables
    • 3.违反假设的现象
    • 4.model misspecification
      • cause the estiamted regression coefficients inconsistnet
      • 7 个situation
    • 5.qualitative dependent variables
      • dependent variables is dummy variables
      • 2 种形式
        • probit and logit models(逻辑)
          • maximum likelihood methods
        • discriminant models（判别）
          • Z-scored
  • time-series analysis
• 数量2
  • 1. machine learning
    • 1.overview
      • X feature;Y target variable
      • type
        • 3个
      • data sets
        • training sample
        • validation sample
        • test sample
      • overfitting
        • 特点
          • much complexity
          • bias error低,varience error高
        • fitting curve
          • optimal level：minimize total level
        • preventing overfitting
          • penalty
          • corss-validation
            • k-fold
    • 2.supervised ML
      • 2.1 penalized regression
        • LASSO
          • r越大，惩罚力度越大
      • 2.2 SVM（分类）
        • 概念
          • support vectors；discriminant boundary；margin
          • maximum margin
        • soft margin classification
          • 1. add penalty
          • 2.for非线性，增加feature，complexity上升
        • uesd for 分类，回归，outlier detection
      • 2.3 KNN （判别+分类）
        • concern
          • define similar
          • value of k
      • 2.4 CART
        • 离散连续都可
          • visual explanation
        • 框架
          • initial root node；decision nodes；terminal nodes
          • goal
            • 分类
              • 少数服从多数
            • 回归
              • 最终value求平均
        • avoid overfitting
          • 1.regularization ;2pruned
      • 2.5 ensemble
        • voting classifiers
          • 同一训练集数据，不同模型
          • 结果：
            • 少数服从多数
        • bootstrap aggregating/bagging
          • 同一模型，不同训练集数据
            • resample
          • 结果
            • 分类
              • 少数服从多数
            • 回归
              • 最终value求平均
          • 应用
            • random forest
              • drawback:blackbox
            • 每次随机试验产生一棵树
    • 3.unsupervised ML
      • dimension reduction
        • PCA
          • 流程
            • 构建composite；define eigenvector； eigenvalue；first principal component
          • 缺点
            • black box
      • clustering
        • k means
          • 缺点
            • depend on centroids
              • 多次运行
            • k
              • set range
        • hierarchical层级
          • 1.agglomerative（bottem up）；2divisive（top down）
    • 4.neural networks
  • 2. big data
    • 1.基础概念
    • 2.structured data
    • 3.unstructured data
  • 3. probabilistic approaches
    • 1.simulation
    • 2.方法对比

数量2

• 1. machine learning
  • 1.overview
    • X feature;Y target variable
    • type
      • 3个
    • data sets
    • overfitting
  • 2.supervised ML
  • 3.unsupervised ML
  • 4.neural networks
• 2. big data
  • 1.基础概念
  • 2.structured data
  • 3.unstructured data
• 3. probabilistic approaches
  • 1.simulation
  • 2.方法对比