CFA二级数量分析6大难点！你都掌握了吗？
经常听到同学说CFA二级的数量分析好难啊，确实，CFA二级数量分析有一定难度，且在考试中的占比为5%-10%，需要提起重视！但从学习的相关内容来看，计量经济学的相关内容在CFA中还算是简单的介绍，并没有做非常深度的学习，所以大家不用担心和气馁！集中且有方法的去学习，相信一定能掌握这部分知识点！
正保网校的老师也给大家汇总了CFA二级数量分析的6大难点，来看看你是不是已经掌握啦！
1. ANOVA
2.Multicollinearity, Heteroskedastic & Serial correlation
3. Time Series Models
1)Linear trend model
2)Log-linear trend models
3)Autoregressive (AR) models
4. AR model problems
5. Supervised/ Unsupervised machine learning, Deep Learning & Neural Networks
1) Supervised machine learning（监督学习）：根据标记好的数据（已经分类或回归的数据）来训练模型，使模型能够自己推理和预测新数据的标签或值。
2) Unsupervised machine learning（无监督学习）：不需要事先标记好的数据，通过对数据进行聚类、降维、关联等技术来发现数据本身的内在结构和模式，以帮助我们更好地理解数据并从中提取有效信息。
3) Deep Learning（深度学习）：通过一系列的层级关系对数据进行表示和抽象，从而实现自动化的特征提取和分类，可以处理高维度、非线性和大规模数据，并在复杂任务上表现出良好的性能。
4) Neural Networks（神经网络）：模仿人的神经系统，由多个节点（或称神经元）和它们之间的连接组成，可以处理更多、更复杂的特征变量，提高了模型的预测能力。
6. PAC&Clustering
1) Principal components analysis (PCA) 主成分分析: 将一组可能存在相关性的变量转换为一组线性不相关的变量，实现降维分析。
2) Clustering 聚类：将相似的数据点归为一类，将不相似的数据点分开，属于无监督学习。
以上就是CFA二级数量分析6大难点的相关内容，后期会为大家持续更新备考干货，可关注【 备考经验 】栏目查看哦！
说明：因考试政策、内容不断变化与调整，正保会计网校提供的以上考试信息仅供参考，如有异议，请考生以官方部门公布的内容为准！
相关推荐>>
