Преглед на квантитативните методи в CFA ниво 1

Key Topics You Need to Focus On

1. Преглед на темата

Количествени методи е една от най-важните и основополагащи теми в програмата за ниво I на Сертифицирания финансов анализатор.

Тази тема основно обхваща основни концепции като:

• Времевата стойност на парите
• Настояща и бъдеща стойност на паричните потоци
• Вероятност и статистика
• Тестване на хипотези

Силното разбиране на тези теми ще ви даде значително предимство при изучаването на по-напреднали теми като оценка на активи и управление на портфейли по-късно в CFA програмата.

Въпреки че обемът на материала е относително голям, Квантитативните методи често се считат за “предмет за оценка” защото:

• Концепциите не са прекалено сложни
• Много от въпросите са базирани на изчисления
• Особено е предимство, ако имате солидна математическа основа

Тегло на изпита: Приблизително 8–12% от изпита за ниво I на CFA

2. Core Topics and Important Concepts

Разделът за Квантитативни методи обикновено включва няколко модула (бележка: учебната програма може да се променя леко всяка година). По-долу е структурирана прегледна информация:

Модул 1: Времева стойност на парите

• Разберете лихвените проценти и техните компоненти
• Изчислете Ефективната годишна ставка (EAR)
• Овладейте настоящата стойност (PV) и бъдещата стойност (FV) на паричните потоци
• Използвайте финансов калкулатор ефективно

Module 2: Organizing, Visualizing, and Describing Data

• Видове и класификация на данните
• Честотни разпределения
• Контингентни таблици и матрици на объркването
• Техники за визуализация на данни
• Мерки за централна тенденция: средно, медиана, мода
• Арифметично средно срещу геометрично средно
• Квантили и проценти
• Dispersion measures: range, variance, standard deviation
• Coefficient of variation
• Skewness and kurtosis
• Correlation coefficient

Модул 3: Концепции за вероятност

• Random variables and probability fundamentals
• Conditional vs unconditional probability
• Addition and multiplication rules
• Expected value, covariance, correlation
• Applications in portfolio return and risk
• Bayes’ formula
• Factorials, permutations, and combinations

Module 4: Common Probability Distributions

• Discrete vs continuous random variables
• Binomial distribution
• Uniform distribution
• Normal distribution
• Lognormal distribution
• Shortfall risk and Roy’s Safety-First criterion
• Discrete vs continuous compounding
• Student’s t-distribution, F-distribution
• Monte Carlo simulation

Module 5: Sampling and Estimation

• Random sampling methods
• Sampling error and stratified sampling
• Central Limit Theorem
• Standard error of the mean
• Confidence intervals
• Resampling methods (Bootstrap, Jackknife)
• Sampling bias

Module 6: Hypothesis Testing

• Hypothesis testing framework
• Null and alternative hypotheses
• One-tailed vs two-tailed tests
• Type I and Type II errors
• Test statistics and significance level
• p-value interpretation
• Testing population parameters (mean, variance, etc.)

Module 7: Introduction to Linear Regression

• Simple linear regression model
• Dependent and independent variables
• Regression equation, slope, and intercept
• Cross-sectional vs time-series regression
• Assumptions of regression models
• Key metrics: SST, RSS, SSE, R²
• Common hypothesis tests (F-test, t-test)
• Predicted values and confidence intervals
• Extensions of linear regression models