[Level 1] Quantitative Methods

Tổng quan và các nội dung chính của môn Quantitative Methods trong chương trình CFA level 1

Các nội dung quan trọng cần lưu ý khi học môn Quantitative methods của CFA level 1

1. Tổng quan về môn học

Quantitative methods (phương pháp phân tích định lượng) là môn học quan trọng và nền tảng của chương trình CFA level 1. Nội dung chủ yếu của môn học này liên quan đến các khái niệm như giá trị theo thời gian của tiền, giá trị hiện tại và giá trị tương lai của dòng tiền và các kiến thức liên quan đến xác xuất, thống kê và kiểm định giả thuyết. Hiểu biết vững chắc về các chủ đề này, bạn sẽ có lợi thế rất nhiều để tìm hiểu các vấn đề như Định giá tài sản và Quản lý danh mục đầu tư trong các môn học tiếp theo của chương trình CFA.

Mặc dù có khối lượng kiến thức và khái niệm tương đối nhiều nhưng đây vẫn có thể coi là môn học “gỡ điểm” do kiến thức không quá phức tạp hay lắt léo và sẽ là rất lợi thế nếu bạn đã có nền tảng toán học tốt. Đây cũng là môn học có tỷ trọng cao trong tổng số câu hỏi của đề thi CFA, từ 8 -12%.

Quantitative Methods for Evaluating Business Profits

2. Các kiến thức nền tảng và quan trọng

Môn Quantitative methods trong chương trình CFA level 1 năm 2020 bao gồm 6 reading với các kiến thức và khái niệm quan trọng cụ thể như sau (lưu ý: chương trình học của môn có thể thay đổi theo từng năm):

Reading 1 : The Time Value of Money ( Giá trị theo thời gian của tiền):

  • Giải thích khái niệm lãi suất (interest) và các thành phần của lãi suất.
  • Khái niệm và cách tính Effective nnual rate (S suất thực hưởng)
  • Nắm vững cách tính giá trị hiện tại, giá trị tương lai của các loại dòng tiền
  • Cách sử dụng máy tính tài chính để giải bài tập liên quan đến dòng tiền

Reading 2: Organizing, Visualizing, and Describing Data (Các khái niệm liên quan đến phân loại, tổ chức, trực quan hóa và đo lường thông số của dữ liệu)

  • Các khái niệm về Data và phân loại Data
  • Các khái niệm về population (tổng thể), sample(mẫu), frequency distribution (phân phối tần suất)
  • Các khái niệm về Contingency table và Confusion matrix
  • Nắm vững các trực quan hóa dữ liệu phù hợp cho mỗi bộ dữ liệu
  • Các khái niệm: mean (số trung bình), median (số trung vị), mode (số yếu vị)…
  • Cách tính của các loại trung bình: arithmetic mean (trung bình cộng), geometric mean (trung bình nhân)…
  • Các khái niệm và cách tính Quantiles
  • Các khái niệm và cách tính: range, mean absolute deviation (độ lệch trung bình tuyệt đối), variance (phương sai), standard deviation (độ lệch chuẩn), coefficient of variation (hệ số biến thiên), ...
  • Các khái niệm và tính chất liên quan của: skewness (độ xiên), kurtosis (độ nhọn)
  • Các khái niệm và cách tính correlation coefficient (hệ số tương quan)

Reading 3: Probability Concepts (Các khái niệm về xác suất)

  • Các khái niệm về: random variable (biến ngẫu nhiên), xác suất (probability) và các đặc tính của xác suất.
  • Các công thức và cách áp dụng: cộng xác suất (addition), nhân xác suất (multiplication)…
  • Phân biệt các khái niệm: unconditional probabilities, conditional probabilities (xác suất không điều kiện và xác suất có điều kiện).
  • Khái niệm, cách tính toán của: expected value (giá trị kỳ vọng), covariance (hiệp phương sai), correlation (hệ số tương quan) và cách ứng dụng trong tính toán lợi nhuận, rủi ro của danh mục đầu tư.
  • Khái niệm về Công thức Bayes's
  • Các khái niệm và áp dụng của: factorial (giai thừa), combination (tổ hợp), permutation (chỉnh hợp).

Reading 4: Common Probability Distributions ( Các loại phân phối xác suất cơ bản)

  • Các khái niệm về probability distribution (phân phối xác suất), discrete random variables (biến ngẫu nhiên rời rạc), continuous random variables (biến ngẫu nhiên liên tục).
  • Khái niệm và các công thức liên quan đến: binomial distribution (phân phối nhị thức) , continuous uniform distribution (phân phối đều liên tục).
  • Khái niệm và công thức liên quan đến normal distribution (phân phối chuẩn)
  • Khái niệm về Shortfall risk và cách tính Roy' safety first
  • Khái niệm và công thức liên quan đến Lognormal distribution (phân phối Loga chuẩn)
  • Khái niệm và cách tính: discretely compounded rates of return (lãi suất kép thông thường), continuously compounded rate of return (lãi suất kép liên tục).
  • Các khái niệm liên quan đến: student's distribution (phân phối student's), F distribution (phân phối F) và T distribution
  • Hiểu về khái niệm Monte carlo simulation

Reading 5: Sampling and Estimation (Chon mẫu và các ước tính)

  • Các khái niệm: random sampling (chọn mẫu ngẫu nhiên), sampling error (sai số chọn mẫu); stratified random sampling…
  • Hiểu và nắm vững được: central limit theorem (định luật giới hạn trung tâm)
  • Nắm vững cách tính Standard error of sample mean
  • Nắm vứng cách tính: confidence interval (khoảng tin cậy) và cách áp dụng cho các loại phân phối.
  • Khái niệm liên quan đến các phương pháp resampling như: Jackknife và Bootstrap
  • Khái niệm và các loại thiên vị (bias) liên quan đến chọn mẫu.

Reading 6: Hypothesis Testing (Kiểm định giả thuyết thống kê)

  • Các khái niệm và quy trình kiểm định giả thuyết thống kê
  • Các khái niệm: null hypothesis (giả thuyết không), alternative hypotheses (giả thuyết nghịch)…
  • Khái niệm và phân biệt các loại kiểm định: one- tailed and two- tailed tests of hypotheses.
  • Nắm vững các loại lỗi trong kiểm định: Type I and Type II errors
  • Nắm vững khái niệm và cách tính của Test statistics; Significance of level,...
  • Khái niệm và ý nghĩa của p-value
  • Nắm vững cách thức và các công thức kiểm định liên quan đến các tham số của tổng thể thống kê như trung bình, phương sai…

Tóm lại, bạn có thể thấy đây là môn học có lượng kiến thức lớn và tương đối rộng. Nhưng bù lại kiến thức lại không quá phức tạp, trong đề thi bạn có thể thấy nhiều câu hỏi mà chỉ cần vài bước bấm máy tính là đã ra kết quả. Do vậy hãy đừng thấy kiến thức nhiều mà nản nhé, bạn chỉ cần nắm chắc được các khái niệm, hiểu được cách áp dụng cộng với kiên trì làm các bài tập là đã có thể đạt kết quả tốt trong kỳ thi.