CFA二級數(shù)量到底講了什么內(nèi)容？二級數(shù)量主要涉及以下幾個部分：
金融科技（Fintech）
這一部分探討的都是近幾年投資實務操作中熱門的話題，主要介紹了“大數(shù)據(jù)”、“人工智能和機器學習”、“數(shù)據(jù)科學”、“分布式賬本技術(shù)”等金融科技的工具，并且還簡單說明了“金融科技”在金融投資領域的實際運用。
本節(jié)考察的重點在于概念的對比，并不涉及任何的計算。因此大家應當重點理解相關(guān)概念的含義，無需死記硬背。
相關(guān)性分析以及回歸分析
相關(guān)性分析可以通過散點圖來觀測，也可以通過計算變量之間的相關(guān)系數(shù)來衡量。相關(guān)性分析的重點在于對其展開的顯著性檢驗?；貧w分析重點在于明確其具體步驟。
回歸分析的步驟分為四步：
1.建立回歸模型
2.對模型展開分析，主要分析方法就是分析A*VA表中的各項數(shù)據(jù)信息
3.對回歸模型進行顯著性檢驗，內(nèi)容包括區(qū)間估計、假設檢驗
4.運用模型預測因變量
多元回歸和機器學習
這一部分主要闡述了多元回歸與一元回歸之間的區(qū)別，此外該章節(jié)還引入了虛擬變量的概念，并且討論了回歸模型的假設被違反的幾種常見情形。
多元回歸是二級數(shù)量的核心內(nèi)容，它的知識點將貫穿整個二級數(shù)量的教材。此外，這一部分還新增了機器學習的內(nèi)容，在*部分的基礎上更全面的解讀了機器學習。
時間序列模型
這一部分主要介紹了兩類時間序列模型：趨勢模型和自回歸模型。
所有內(nèi)容都圍繞這兩類模型進行展開。這部分內(nèi)容是數(shù)量學習的難點（雖然它也僅僅是介紹了時間序列模型的皮毛），同學們一定要深刻理解其中的邏輯，多加練習。
概率方法：情景分析、決策樹與模擬
這部分是一個論文節(jié)選，官方教材中并沒有羅列相應的例題，因此本章也不作為考試重點。我們要掌握這三類風險衡量工具之間的異同點，以及每種方法各自適合的使用場景。
重難點
二級數(shù)量2019年雖然新增了Fintech的內(nèi)容，但這部分并不作為考試的重難點，根據(jù)原版書的例題來看，新增的內(nèi)容只涉及一些概念的辨析，并沒有計算，所以我們只需要掌握一些基礎的概念即可。
所以二級數(shù)量的重難點依舊在多元回歸分析和時間序列模型上。我們需要重點掌握違反回歸模型假設的三種情形：異方差、序列相關(guān)和多重共線性。
對于時間序列模型，我們需要重點掌握自回歸模型的假設，這同時也是一個難點。關(guān)于時間序列模型這一部分，需要我們理清各個模型相互間的邏輯關(guān)系，并且強調(diào)對重要概念的結(jié)論的理解。
與一級數(shù)量的聯(lián)系與區(qū)別
與一級數(shù)量相比，二級數(shù)量涉及的知識點數(shù)量其實并不多，遠少于一級數(shù)量的知識點。但是二級數(shù)量更專注于研究回歸分析和時間序列模型分析這些更深層次的內(nèi)容，當然難度也會略高于一級數(shù)量。
并且2019年新增了Fintech專題，這也是一級數(shù)量中所沒有接觸過的。不過相對于做題而言，兩個級別的難度都不是特別大，只是二級數(shù)量需要在理解層面上多花一些功夫。
