大家好，很多同学在学习FRM数量分析这门课时总会感觉越学越不懂，越学越痛苦。作为资深的数量分析讲师高顿金哲老师，今天用一篇文章教会你如何顺利拿下数量分析这门课程，从学不会到拿满分！
一、课程核心框架：围绕“变量”的系统研究
学习数量分析首先要弄清楚这门课程到底在讲什么！其实整个数量分析就是围绕着“变量”在转，主线任务分三块：变量统计、变量分析、变量生成还有一个支线任务机器学习。
1.变量统计
当我们要去分析某个金融变量，我们得先摸清楚这个变量的底细，这就涉及到第一个主线任务变量统计。
首先是概率论基础。概率可以帮助我们在不确定的金融世界当中去寻找确定性！第二个是描述性统计，就像给人做体检。均值、方差、偏度、峰度这些数值特征，就是在量身高体重；而各种概率分布类型则反映了内在体质。
而当我们只能获取变量少量数据时，就需要用到推断统计来以小见大。做出推断后，我们还要分析推断的到底对不对。设检验就派上了用场。这块虽抽象，但核心逻辑超简单——“小概率事件不会发生”！
2.变量分析
摸清楚了变量的底细，就可以进入到第二个主线任务变量分析了，通常会用到两大工具：计量经济学和时间序列分析。
计量经济学教我们如何用线性回归去研究“Y怎么被X影响”，比如工资（Y）如何受学历（X1）、工作年限（X2）影响。这就需要搞懂模型假设、参数计算，还要用假设检验来验证参数算的对不对。
时间序列分析是第二大工具。股票价格、GDP这些随时间变化的数据，都是时间序列。分析时间序列数据，就像是看自己的成长曲线，看看自己和过去的自己有没有“关系”，有什么样的关系。
3.变量生成与机器学习
不管是变量的统计还是分析，都需要有足够多的数据，但实操时却往往事与愿违。如何科学的无中生有，生成更多的数据呢，这就到了第三个主线任务变量的生成。比如蒙特卡洛模拟、比如自助法重抽样技术。
完成了主线任务后，还有个支线任务机器学习，机器学习的加持可以帮助我们更好的完成变量的统计、分析以及生成。这部分别被高大上的名字吓住，考试就考基础概念，比如欧几里得距离其实就是勾股定理，完全不用怕！
二、学习策略：从框架到细节的突破路径
搞清楚了数量分析到底在讲什么之后。接下来教大家一个三步学习法。
1.先搭框架，别迷路！
整个数量分析的学习就像盖房子：概率→描述统计→推断统计→金融建模，一环扣一环。建议大家一定收藏保存下面的思维导图，学的时候常对照，就像拿着地图走迷宫，完全不用慌了！
2.夯实基础，搞清重点
变量统计占近半壁江山，概率论、描述统计是“承重墙”，必须砸实！
记住：难点≠重点！机器学习难但考得浅，二项分布、贝叶斯公式看着复杂，其实有固定解题套路，多练就能拿下！
3.做题别瞎刷，要“拆题”！
比如遇到可决系数R²=0.64，求变量之间相关系数是多少？别着急直接选0.8！得想想：相关系数能是负的吗？正负号由谁决定呢？回归方程斜率系数啊！而斜率系数又如何计算呢？顺着这个思路深挖，一道题能串起一串知识点，这才是做题的正确打开姿势！
数量分析确实有难度，但95%的考点都在这个框架图里了！按咱们的框架学，重点章节跟着网课多听两遍，题做精不做量，拿下这门课绝对没问题！相信自己，加油冲吧！
