QQ登錄
微博登錄
微信登錄
2024年FRM考生注意！FRM一級考綱變動你了解嗎？2024年的FRM一級考綱會在今年的12月1日正式公布，由于23年的FRM一級考綱變動比較大，因此明年FRM一級的考綱變動應(yīng)該不會很大，下面跟著學長一起來了解一下吧！
相較往年，23 年 FRMP1 考綱的變化是較大的一年。P1 中，定量分析新增了Machine Learning（ 機 器 學 習 ） 的 考 點 及 對 應(yīng) 的 兩 個 章 節(jié) Machine Learning Methods（Chapter 14）與 Machine Learning and Prediction（Chapter 15），風險管理基礎(chǔ)、金融市場與產(chǎn)品、估值與風險模型無實質(zhì)變化，各科目分值占比無變化。具體情況如下：
1、風險管理基礎(chǔ)
考綱變化：
考試分值占比 20%（無變化）。
考綱考點無變化。
2、定量分析
考綱變化：
考試分值占比 20%（無變化）。
考綱考點新增 Machine learning（機器學習）；第七章加入考點：Estimate the correlation coefficient from the R2 measure obtained in linear regressions with a single explanatory variable（用一元線性回歸的 R 方測度來估計相關(guān)系數(shù)）；
第八章加入考點：Calculate the regression R2 using the three components of the decomposed variation of the dependent variable data: the explained sum of squares, the total sum of squares, and the residual sum of squares（使用解釋變量數(shù)據(jù)中分解變動的三個分量：ESS、TSS、RSS 計算回歸的 R 方）；第十二章加入考點：Compare and contrast the different measures of correlation used to assess dependence（比較和對比用于評估依賴性的不同相關(guān)性測度）.
考試分值占比 20%（無變化）。
考綱考點新增 Machine learning（機器學習）；第七章加入考點：Estimate the correlation coefficient from the R2 measure obtained in linear regressions with a single explanatory variable（用一元線性回歸的 R 方測度來估計相關(guān)系數(shù)）；
第八章加入考點：Calculate the regression R2 using the three components of the decomposed variation of the dependent variable data: the explained sum of squares, the total sum of squares, and the residual sum of squares（使用解釋變量數(shù)據(jù)中分解變動的三個分量：ESS、TSS、RSS 計算回歸的 R 方）；第十二章加入考點：Compare and contrast the different measures of correlation used to assess dependence（比較和對比用于評估依賴性的不同相關(guān)性測度）.
3、金融市場與產(chǎn)品
考綱變化：
考試分值占比 30%（無變化）。
僅對一處內(nèi)容做了刪減：將“Describe delta hedging for options as well as for forward and futures contracts”改為“Describe delta hedging for an option.”
考點：
金融機構(gòu)的結(jié)構(gòu)與功能，場外交易（OTC）和交易所市場的結(jié)構(gòu)和機制，遠期、期貨、互換和期權(quán)的結(jié)構(gòu)、機制和估值，使用衍生品進行對沖,匯率與外匯風險，期權(quán)估值
考試分值占比 30%（無變化）。
僅對一處內(nèi)容做了刪減：將“Describe delta hedging for options as well as for forward and futures contracts”改為“Describe delta hedging for an option.”
考點：
金融機構(gòu)的結(jié)構(gòu)與功能，場外交易（OTC）和交易所市場的結(jié)構(gòu)和機制，遠期、期貨、互換和期權(quán)的結(jié)構(gòu)、機制和估值，使用衍生品進行對沖,匯率與外匯風險，期權(quán)估值
4、估值與風險模型
考綱變化：
考試分值占比 30%（無變化）。
僅對一處內(nèi)容做了刪減：將“Apply the exponentially weighted moving average (EWMA) approach and the GARCH (1,1) model to estimate volatility, and describe alternative approaches to weighting historical return data.（應(yīng)用指數(shù)加權(quán)移動平均（EWMA）方法和GARCH（1,1）模型來估計波動率，并描述加權(quán)歷史回報數(shù)據(jù)的替代方法）”改為“Apply
the exponentially weighted moving average (EWMA) approach to estimate volatility, and describe alternative approaches to weighting historical return data.（應(yīng)用指數(shù)加權(quán)移動平均（EWMA）方法來估計波動率，并描述加權(quán)歷史回報數(shù)據(jù)的替代方法）”.
考點：
公司債券，抵押擔保債券，固定收益估值，利率與利率敏感性度量指標，對沖，在險價值（VaR），預(yù)期損失（ES），估計波動性和相關(guān)性，經(jīng)濟資本與監(jiān)管資本，壓力測試和情景分析，國家和主權(quán)風險模型及風險管理，外部和內(nèi)部信用評級，預(yù)期與非預(yù)期損失，操作風險。
考試分值占比 30%（無變化）。
僅對一處內(nèi)容做了刪減：將“Apply the exponentially weighted moving average (EWMA) approach and the GARCH (1,1) model to estimate volatility, and describe alternative approaches to weighting historical return data.（應(yīng)用指數(shù)加權(quán)移動平均（EWMA）方法和GARCH（1,1）模型來估計波動率，并描述加權(quán)歷史回報數(shù)據(jù)的替代方法）”改為“Apply
the exponentially weighted moving average (EWMA) approach to estimate volatility, and describe alternative approaches to weighting historical return data.（應(yīng)用指數(shù)加權(quán)移動平均（EWMA）方法來估計波動率，并描述加權(quán)歷史回報數(shù)據(jù)的替代方法）”.
考點：
公司債券，抵押擔保債券，固定收益估值，利率與利率敏感性度量指標，對沖，在險價值（VaR），預(yù)期損失（ES），估計波動性和相關(guān)性，經(jīng)濟資本與監(jiān)管資本，壓力測試和情景分析，國家和主權(quán)風險模型及風險管理，外部和內(nèi)部信用評級，預(yù)期與非預(yù)期損失，操作風險。
