C
CFAClub
管理员
楼主 · 创建于
Level II 数量方法权重 5-10%,公式密集、结论明确,是性价比很高的拉分点。考法以 item set 为主:给一张回归输出表,让你解读系数、判断违反了哪个假设、选出修正方法。
框架与高频考点:
一、多元线性回归(multiple linear regression):系数解释、t 检验与 F 检验、R² 与调整 R²。
二、回归假设与诊断:异方差(heteroskedasticity)、序列相关(serial correlation)、多重共线性(multicollinearity)的识别、后果与修正。
三、时间序列(time series):AR 自回归模型、单位根(unit root)、协整。
四、机器学习(machine learning):监督 vs 非监督、过拟合(overfitting)、惩罚回归(LASSO)。
五、大数据与文本分析(text analytics)。
Level II 偏「应用」:不仅要知道检验名称,还要会读 p 值、判断显著性、给出修正手段。建议整理一张「问题—检验—后果—修正」对照表,BP 检验、DW 检验、White 稳健标准误务必记牢。
框架与高频考点:
一、多元线性回归(multiple linear regression):系数解释、t 检验与 F 检验、R² 与调整 R²。
二、回归假设与诊断:异方差(heteroskedasticity)、序列相关(serial correlation)、多重共线性(multicollinearity)的识别、后果与修正。
三、时间序列(time series):AR 自回归模型、单位根(unit root)、协整。
四、机器学习(machine learning):监督 vs 非监督、过拟合(overfitting)、惩罚回归(LASSO)。
五、大数据与文本分析(text analytics)。
Level II 偏「应用」:不仅要知道检验名称,还要会读 p 值、判断显著性、给出修正手段。建议整理一张「问题—检验—后果—修正」对照表,BP 检验、DW 检验、White 稳健标准误务必记牢。