cfa一二三级连贯复习策略系列之一:数量

一、各级别内容的联系与区别

  • 联系:

    基础概念:三个级别都涉及到数量分析的基础概念,如概率论、统计学、时间序列分析等。
    分析工具:都会使用到一些基本的数量分析工具和技术,如回归分析、统计检验等。
    考试目的:数量分析在CFA考试中都是一个重要的组成部分,旨在考察考生对金融数据的定量分析能力,以便更好地进行金融决策和投资分析。

  • 区别:

    CFA一级:数量分析的内容相对基础,主要涵盖概率论、统计学的基础知识,以及简单的金融计算工具和技术。考生需要掌握基本的数量分析方法和技巧,如描述性统计、概率分布、置信区间等。
    CFA二级:在CFA一级的基础上,数量分析的内容更加深入和复杂。除了进一步巩固统计学和概率论的知识外,还会涉及到一些更高级的数量分析技术,如回归分析、时间序列分析等。此外,CFA二级还会将数量分析应用于投资决策和资产配置中,考察考生如何运用数量分析技术来指导实际投资活动。
    CFA三级:在CFA二级的基础上,数量分析的内容更加高级和专业化。除了涵盖更广泛的数量分析技术外,还会涉及到一些高级的投资组合管理技术和风险管理方法。CFA三级更注重考察考生如何运用数量分析技术来优化投资组合、提高投资绩效和降低投资风险。

二、不同级别的复习策略

  • CFA一级
    基础概念掌握:
    专注于概率论、统计学的基础知识,如描述性统计、概率分布、置信区间等。
    确保对数量分析的基本概念有清晰的理解,为后续学习打下基础。
    公式记忆:
    牢记与数量分析相关的公式,如概率公式、统计检验公式等。
    可以通过制作公式卡片、进行公式练习等方式来加深记忆。
    题目练习:
    通过大量练习题目来巩固所学知识,提高解题能力。
    重点关注选择题和计算题,因为这两种题型在CFA一级考试中占比较大。
  • CFA二级
    深入理解:
    在CFA一级的基础上,进一步深入理解数量分析的知识点和技术。
    重点关注回归分析、时间序列分析等高级技术,并理解其在实际投资中的应用。
    题目应用:
    练习将数量分析技术应用于投资决策和资产配置中的题目。
    通过模拟题和真题的练习,提高解决实际问题的能力。
    策略制定:
    根据CFA二级的考试要求,制定详细的复习计划,确保每个知识点都得到充分复习。
    合理安排时间,确保既有足够的时间复习数量分析,又能兼顾其他科目的复习。。
  • CFA三级
    高级技术掌握:
    深入学习高级的数量分析技术和投资组合管理技术。
    重点关注投资组合优化、风险管理等高级话题,并理解其在实际投资中的应用。
    案例分析:
    练习和分析与数量分析相关的案例,了解数量分析在复杂投资决策中的应用。
    通过案例学习,提高解决实际问题的能力,并加深对数量分析的理解。
    综合复习:
    在CFA三级考试中,数量分析与其他科目的联系更加紧密。
    因此,在复习数量分析的同时,也要关注与其他科目的交叉内容,进行综合复习。
Security-feature-detection-system 安全检测系统 简介 安全检测系统-多目标识别(YOLOv5)和人脸识别(Facenet)快速部署系统。 功能上:本项目使用YOLOv5实现多目标识别,使用Facenet实现人脸识别,最终需要人脸和此人应具备的多目标同时满足才能通过安全检测,部署上:使用pyqt5实现前端可视化,在前端页面运行YOLOv5多目标识别系统(将模型运行封装到Qt中),使用Docker封装人脸识别后端系统,使用网络请求等包实现前后端交互 案例:进行多目标识别的同时,进行人脸识别,前端系统发送请求,携带参数到后端进行人脸识别,最终返回人脸识别结果,获取人脸识别结果后,检索该成员应具备的多目标特征,与YOLOv5多目标识别的实际结果进行比对,若无误则通过安全检测。 根据原作 https://pan.quark.cn/s/9784cdf4abfd 的源码改编 项目背景 出于一些比赛的需要,以及逃离懵懂状态开始探索,我于2023.12~2024.1(大二上)开始一些CV、LLM项目的研究,苦于能力有限,当时大部分的项目都是依托开源搭建而来,诸如本项目就是依托开源的Compreface和Yolov5搭建,我只不过做了缝合的工作,所以在此必须提及这两个项目的巨大贡献:https://.com/exadel-inc/CompreFace https://.com/ultralytics/yolov5 今天是2024.7.11(大二下暑假),时隔半年我才开始这个项目的开源工作是因为,半年前的水平有限,虽然自己能实现项目的运作,但是恐很多细节介绍不好,当然本文自发出,后续我还会跟进,欢迎指正:22012100039@stu.xidian.edu.c...
使用教程: https://pan.quark.cn/s/c0f2b4acdf83,有不会的再问我  功能介绍: 用户输入人脸照片,程序从照片库中选出10张最相似人脸照片输出在文件夹中,并且给出这十张人脸与输入人脸的相似度值。 照片库可以增删 调节相似度阈值可调节 自定义UI操作界面 视频演示: [[项目分享]基于OpenCV的人脸集合相似度检测系统(源码&UI&教程)哔哩哔哩bilibili](https://www.bilibili.com/video/BV1Wa41137CW/?vd_source=bc9aec86d164b67a7004b996143742dc) 图片演示: png png 人脸相似度对比原理: 整体思路: 1、预先导入所需要的人脸识别模型; 2、遍历循环识别文件夹里面的图片,让模型“记住”人物的样子; 3、输入一张新的图像,与前一步文件夹里面的图片比对,返回最接近的结果。 使用到的第三方模块和模型: 1、模块:os,dlib,glob,numpy; 2、模型:人脸关键点检测器,人脸识别模型。 导入需要的模型。 这里解释一下两个dat文件: 它们的本质是参数值(即神经网络的权重)。 人脸识别算是深度学习的一个应用,事先需要经过大量的人脸图像来训练。 参考该博客,设计一个神经网络结构,来“记住”人类的脸。 对于神经网络来说,即便是同样的结构,不同的参数也会导致识别的东西不一样。 在这里,这两个参数文件就对应了不同的功能(它们对应的神经网络结构也不同): shapepredictor.dat这个是为了检测人脸的关键点,比如眼睛,嘴巴等等;dlibface_recognition.dat是在前面检测关键点的基础上,生成人脸的特征值。 所以后面使用dlib模块的时...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值