大家好，很多同學在學習FRM數(shù)量分析這門課時總會感覺越學越不懂，越學越痛苦。作為資深的數(shù)量分析講師高頓金哲老師，今天用一篇文章教會你如何順利拿下數(shù)量分析這門課程，從學不會到拿滿分！

一、課程核心框架：圍繞“變量”的系統(tǒng)研究

學習數(shù)量分析首先要弄清楚這門課程到底在講什么！其實整個數(shù)量分析就是圍繞著“變量”在轉(zhuǎn)，主線任務分三塊：變量統(tǒng)計、變量分析、變量生成還有一個支線任務機器學習。

1.變量統(tǒng)計

當我們要去分析某個金融變量，我們得先摸清楚這個變量的底細，這就涉及到第一個主線任務變量統(tǒng)計。

首先是概率論基礎(chǔ)。概率可以幫助我們在不確定的金融世界當中去尋找確定性！第二個是描述性統(tǒng)計，就像給人做體檢。均值、方差、偏度、峰度這些數(shù)值特征，就是在量身高體重；而各種概率分布類型則反映了內(nèi)在體質(zhì)。

而當我們只能獲取變量少量數(shù)據(jù)時，就需要用到推斷統(tǒng)計來以小見大。做出推斷后，我們還要分析推斷的到底對不對。設(shè)檢驗就派上了用場。這塊雖抽象，但核心邏輯超簡單——“小概率事件不會發(fā)生”！

2.變量分析

摸清楚了變量的底細，就可以進入到第二個主線任務變量分析了，通常會用到兩大工具：計量經(jīng)濟學和時間序列分析。

計量經(jīng)濟學教我們?nèi)绾斡镁€性回歸去研究“Y怎么被X影響”，比如工資（Y）如何受學歷（X1）、工作年限（X2）影響。這就需要搞懂模型假設(shè)、參數(shù)計算，還要用假設(shè)檢驗來驗證參數(shù)算的對不對。

時間序列分析是第二大工具。股票價格、GDP這些隨時間變化的數(shù)據(jù)，都是時間序列。分析時間序列數(shù)據(jù)，就像是看自己的成長曲線，看看自己和過去的自己有沒有“關(guān)系”，有什么樣的關(guān)系。

3.變量生成與機器學習

不管是變量的統(tǒng)計還是分析，都需要有足夠多的數(shù)據(jù)，但實操時卻往往事與愿違。如何科學的無中生有，生成更多的數(shù)據(jù)呢，這就到了第三個主線任務變量的生成。比如蒙特卡洛模擬、比如自助法重抽樣技術(shù)。

完成了主線任務后，還有個支線任務機器學習，機器學習的加持可以幫助我們更好的完成變量的統(tǒng)計、分析以及生成。這部分別被高大上的名字嚇住，考試就考基礎(chǔ)概念，比如歐幾里得距離其實就是勾股定理，完全不用怕！

二、學習策略：從框架到細節(jié)的突破路徑

搞清楚了數(shù)量分析到底在講什么之后。接下來教大家一個三步學習法。

1.先搭框架，別迷路！

整個數(shù)量分析的學習就像蓋房子：概率→描述統(tǒng)計→推斷統(tǒng)計→金融建模，一環(huán)扣一環(huán)。建議大家一定收藏保存下面的思維導圖，學的時候常對照，就像拿著地圖走迷宮，完全不用慌了！

2.夯實基礎(chǔ)，搞清重點

變量統(tǒng)計占近半壁江山，概率論、描述統(tǒng)計是“承重墻”，必須砸實！

記住：難點≠重點！機器學習難但考得淺，二項分布、貝葉斯公式看著復雜，其實有固定解題套路，多練就能拿下！

3.做題別瞎刷，要“拆題”！

比如遇到可決系數(shù)R2=0.64，求變量之間相關(guān)系數(shù)是多少？別著急直接選0.8！得想想：相關(guān)系數(shù)能是負的嗎？正負號由誰決定呢？回歸方程斜率系數(shù)啊！而斜率系數(shù)又如何計算呢？順著這個思路深挖，一道題能串起一串知識點，這才是做題的正確打開姿勢！

數(shù)量分析確實有難度，但95%的考點都在這個框架圖里了！按咱們的框架學，重點章節(jié)跟著網(wǎng)課多聽兩遍，題做精不做量，拿下這門課絕對沒問題！相信自己，加油沖吧！