EV金融学

A. 福特 蒙迪欧新能源 AUTO EV 随后EV 是什么意思

autoev是纯电动汽车自动空调，自己调节温度的，可以打开或关闭。

B. 经济学有哪些值得推荐给初学者的论文

经济学有哪些值得推荐给初学者的论文 (Paper)？
2015-04-28 pgl147258

【周皓南的回答(5票)】:

第一次答题，能力所限，还请各位知友多多包涵。

这个问题其实挺难答的，原因很简单：何为“值得”，何为“初学者”，每个答主们都可能因为自己的专业、研究和阅读范围，给出不一样的回答。就这点来说，不能说任何答主的回答是不对的。首先，和题主同为初心者，我觉得经济学作为一门高度体系化的学科，是不能脱离教材和知识结构说事的。所以，题主可以，也应该去继续阅读中级微观经济学和宏观经济学的相关内容。其次，阅读paper的目的是什么？如果是掌握方法，那么就如 @Jichun Si 所说，没有知识基础便不可能知道如何应用方法；而如果是对经济学的各方面作一些大略的了解，或是像 @SlowMover 所说，尝试去掌握一些idea的话，读他推荐的几本期刊都是不错的。［我也不完全同意SlowMover对于methodology的想法，不过也不需要说太多，下面一段会提到一点，这件事情本身在学界应当也不是没有争议的，对于初学者，避开这种争议也是不错的一种选择。不过我依旧认为搭建数理模型本身便是一种idea的体现，而不仅仅是方法问题，一个最简单的例子就是expected utility theory和prospect theory对于数理模型和公理假设的运用］

而同时经济学作为一个知识学科的一大特点又是：如何定义所谓的知识结构？上面有答主说到了Gary Becker。我在还没有进入芝加哥大学就读时便深深敬仰其学术成就，即使当时还不能完全读懂他的任何著述。但是，作为芝加哥学派重要的代表人物，Gary Becker的理论也必然是基于一些会被其他学派challenge的理论上的。简单的问题：如果让米塞斯绘制一张经济学的结构图，他的答案会有多少和Becker或是小卢卡斯不一样，甚至相矛盾的地方？我觉得这是一个非常有意思的问题，此处也就暂且说这么多。对于初学者，我个人觉得阅读经济学书籍的时候可以适当把各学派的观点糅合一下，但也可以只看芝加哥／奥地利的。并不是特别影响收获方面的东西。

我在芝加哥大学本科学习中级微观的过程当中还是很注重文献阅读的，我觉得读paper是一件非常有意思的事情。一方面，合适的文献可以让我知道，自己在芝大上课做的题目到底是怎样研究出来的，它的语境是什么？它的思想源于何方，又有什么应用价值？另一方面，作为拓展阅读这些paper也是非常好的精神调剂＝。＝（我在上面说到的prospect theory实际上便是我上个学期的期末考试题，但我们并没有在课上了解到。这样一来，Tversky和Kahneman的文献可能对于初学者来说是最好的拓展阅读吧）

介绍具体东西之前吐一个槽。我觉得直接扔journal list是一个不太好的回答，原因是因为journal本身涉及到一个专业性的问题，对于题主没有“直接的”帮助作用（举两个例子：我个人认为最近看到的AER上面的文章已经很少有能直接让初学者看明白的东西，或是让初学者觉得“我好像上课的时候／自己读书的时候读到过它”的内容了；但同时，最近的RES上面有介绍对于一个status quo constraint的utility maximization model的发展，我觉得这就是一个比较适合初学者的paper，原因很简单：我看到了围绕价格理论的一个核心概念: utility maximization，我可以通过这篇paper看到这个核心概念的发展，和一些所谓“原理”所没有考虑到、或者值得去考虑的核心问题。这里的东西写得很快，如果有不清楚的地方，我会回头好好写一下）。不过，大多数上面提到的journal都可以选取一些文章看看的，这里不多说。

鉴于题主的阅读范围主要涉及最基本的价格理论和货币理论，以及一些计量（其实我很好奇为什么要这样读。。），下面就推荐一些我觉得这一方面最有价值的paper，以及我比较推荐的阅读方法。我的标准很简单：奠基性的一定要读，开拓理论框架的也是值得一读的。（这其中我也算上了一些书的excerpt，我是觉得除了一些经济学史书籍比如斯蒂格利茨的The Roaring Nineties，没有必要推荐全书，特别是一些“流行经济学”书籍）

Gary S Becker, The Economic Approach to Human Behavior, 第一章. 最最简练但又最最精妙的对于理性选择的论述。值得注意的点是：什么是purposive behavior. 这个pdf谷歌的出来。

与之相对应的：Gary Becker, Irrational Behavior and Economic Theory。jstor可查。Irrational Behavior是不是真的irrational到无法用理性的模型取推测？Becker的想法还是非常有意思的。

前两篇东西（最多再加上一个risk-aversion）的应用：Becker & Murphy, A Theory of Rational Addiction。jstor可查。

上面有人说到了Becker的核心成就（把“非经济学”的东西纳入到经济学范畴当中），我其实是不完全同意的，看上面三篇paper就能知道我为什么这么想了。而且，做Becker这行的人还真不少，比如说芝加哥另一位诺奖得主Theodore W. Schultz。他的Economics of Fertility （1974）值得一读，nber可查。

同样，关于经济学，或者说价格理论最核心的东西，弗里德曼有一篇非常不错的paper。1966年的The Methodology of Positive Economics。（问题就来了：你说弗里德曼这篇paper是在说idea还是在说methodology?很多时候这两个概念是不分家的）

我觉得楼主在未来的阅读当中可能会接触到更清楚的也更深层次的概念，如果要对这些概念（主要是价格理论）的提出和发展有了解的话，可以参考下面的paper，限于能力，如果我的介绍有任何问题，请不吝指出：

Liabson (1997), Golden Eggs and Hyperbolic Discounting。讲intertemporal choice里面的non time-consistent discounting问题，是intertemporal问题在中级之上的非常好的拓展。

Rosen (1999) Potato Paradoxes. 这位能力足以拿诺奖，但却英年早逝的芝加哥学派少壮派经济学家努力告诉我们Giffen good本身的存在性是有疑问的。（很好的衔接了曼昆吧～）

Arrow (1950) A Difficulty in the Concept of Social Welfare。这篇就不用多说了吧～阿罗的paper虽然初学者看起来会有些吃力，但是里面的数理逻辑是可以把人领进经济学的神奇殿堂的。

Samuelson (1977) St. Petersburg Paradox. 萨缪尔森老人家写的对于圣彼得堡悖论的历史总结。非常好的告诉了我们这个引发冯诺依曼思考expected utility theorem的历史悖论怎样产生、如何解决、有什么新的发展。

Kahneman & Tversky (1981) Prospect Theory: An Analysis of Decision under Risk.

Hayek (1945) The Use of Knowledge in Society。

和哈耶克老爷子一脉相传的一篇东西——Invisible hand and welfare economics by Stiglitz.

因为我本人对于货币理论了解实在不多，所以也不敢大肆推荐相关的paper。但是还是可以介绍一些的，这次直接拿上课的syllabus截屏了——主要是trevor gallen给的，一些关于经济增长模型的介绍。

最后再推荐两本书：Friedman的Capitalism and Freedom以及Becker的Economic Theory。

大概就这么多了。做research空隙写出来的东西，请多多指教。

----------------------------------------------------------------------

回复 @SlowMover ：我还是比较赞同针对我的回答补充的部分的。就像我的答案最开始也说了，这个题目因为本身提法太模糊，所以必然会有同等“正确”，但是不一样的解释或者不一样的方向的，也是因为经济学这个学科本身的特点，答题者给出的答案会受到答题者经验、阅历的限制。我确实在一段时间之内还是受到chicago school的影响比较深，也是因为他们的approach (姑且说是从methodology的角度)我比较能够接受，也觉得这样的approach为经济学构建了一个比较rigorous的学科体系。

至于chicago school的问题，heckman和list之间的divergence确实很有意思，在此不提。shiller如果跟fama和hansen并在一起，他的那句话的意思也不一定是“算是客气”（这方面我读的就比较少了，仅是个人推断）。其实我的答案给的paper推荐倒是挺少涉及到所谓methodology和idea的纠缠之中的。比如becker的economic approach，这就是我觉得最基本的可以给初学者看的idea（也是我在学中微时候老师给我们看的第一篇paper。顺带，当时）。包括后面的irrational model，即使这是个模型问题，“取平均”照样也是一种思想，就跟我们看baby rudin的证明一样，尝试从methodology里面看到一些sparks of idea，未免也不是一件坏事。

再多说几句，我现在看paper的时候也是会有意跳掉各种数学证明，甚至很多时候会把建立模型的所有部分都跳过不看，对于初学者来说这样也不是没有坏处，要看他看的是怎样的paper。举个例子，Willig (1976) 在AER上面发了一篇Consumer surplus without apology。核心概念就是用一堆数学说明CS是可以rigorously（在统计学的意义上）反映CV和EV的。问题就是这篇文章除了最开头以外通篇都是数学。。。这样的paper从methodology的角度必然是不适合初学者看的，但是，即使idea非常明白，初学者能够接受，也只是停留在“接受”的层次而已，因为其实初学者不知道衡量welfare的这几个概念之间到底有什么内在的联系，除了计算时候调整一下curve和upper lower bound。如果真的沉下心去看一篇paper，那么必然能够从method当中获得和经济学思维有关的收获。从这个角度来说，我倒是觉得method和idea的问题初学者大可不用选择性的去刻意扬弃，看paper的时候采用一种integrated approach，各取所需即可。

最后随便说几句st. petersburg那个例子——如果说idea是marginal utility递减我倒觉得不如直接说人们大多数时候（“在一定的规则下”）是risk-averse的。这就涉及到idea有多少个层次的问题了。总的来说因为不知道题主的需求，所以也很难说拆解paper需要拆解到什么程度。毕竟这也不是一道“how to read an economics paper”的问题。

最后的最后。。因为SlowMover要被recursive method这本书虐。。等我到了SlowMover的层次以后求带～233333

【komarikamikita的回答(4票)】:

You do not need paper, but you need textbooks.

【知乎用户的回答(5票)】:

UPDATE

其实说到给初学者推荐PAPER，第一想到的是这个：The Mystery of the Vanishing Benefits: An Introction to Impact Evaluation

从一篇里学到的知识/指导思想支撑我高分过了3门考试……

——————————————————————————————————————————

以前参加过一个Scientific Writing Workshop，搬运一下当时导师推荐的文献来源（见最后）。

虽然这些期刊看着超专业怪唬人的，但大部分有一定数学和计量基础的话就能看懂。

知乎之前有个问题：如何评价诺贝尔经济学奖得主 Gary Stanley Becker 的学术成就？

用经济学来建立人类行为的统一分析模型，并让所有学科都为其所用，为模型提供合适的参数和假定。

现在很多PAPER都是走这个路线（不过也有可能是我的专业方向是这样，曾经选了个发展经济学的seminar，阅读材料把什么科教文卫、妇女儿童权益、环境保护blabla的都包括了，这·些·都·是·经·济·学·论·文……后来还上过研究恐怖主义、青少年犯罪、移民与社会问题之类的课也是一样），如果题主不是想要钻研理论，这些读起来还挺轻松有意思的。发现全新的视角或者是看到作者对数据做了非常巧妙的处理时真是不由自主地在心里点上32个赞。

当然如果志在理论的话……还是多看经典教材吧。

Good general journals:

e.g.

o American Economic Review

o Quarterly Journal of Economics

o Journal of Political Economy

o Econometrica

o Review of Economic Studies

o Economic Journal

Good specific journals:

e.g.

o Journal of Macroeconomics

o Journal of Labor Economics

o Journal of Development Economics

o Journal of International Economics

o Journal of Finance

o Journal of Public Economics

o Journal of Monetary Economics

o … etc.

Journals specialized in surveys:

e.g.

o Journal of Economic Literature

o Journal of Economic Perspectives

Working paper series

e.g.

o NBER Working Papers (National Bureau of

Economic Research)

o CEPR Working Papers

o IZA Discussion Paper Series

o Working Papers of the IMF, ECB, World

Bank, etc.

o Working Paper series of good universities

【JunAccount的回答(2票)】:

推荐看journal of economic perspectives. 每期邀请相关领域的大牛写几篇，高屋建瓴，语言通俗。

【米笑的回答(2票)】:

半夜被吵醒，来逛知乎看到这个，哎呀你们这些人呐，人家要推荐给初学者的paper，你们就搬出顶尖期刊都是好文来敷衍人家，太坏啦。

初学者嘛，可以看看的paper，我觉得该是满足，第一，数学少的。第二，文章有意思但不难理解，第三，文笔不错的。JPE，JEL神马的，人家非专业，不一定会去一期一期借来看。

然后我突然就想到这篇文章了，觉得写得不错，还挺适合初学者的：

Roth, A. E. (2007). Repugnance as a Constraint on Markets. The Journal of Economic Perspectives, 21(3), 37-58.

话说，权力的游戏第四季不是刚结束嘛，我特别喜欢这戏里面小恶魔在庭前慷慨激昂的一番呈词，当时看完后我就想起这篇文章了。

然后免费下载的我只找到这个working paper的版本：w12702.pdf

看了一下这个的开头，与我当年在JEP上读得最终版略有用词上的不同，但内容应该是一样的。若是你学校图书馆有订阅，那就用上面给的cite去搜索，没的话就看上面的网址链接吧。

就酱，希望你喜欢～

【知乎用户的回答(3票)】:

推荐看Debreu的monograph- theory of value.

------

以及我觉得很多人列的经济学所谓入门的书籍没什么读的必要…有那功夫不如学学数学.

【城市猎人的回答(1票)】:

经济学基础文献选读

更新描述或封面

作者: 罗卫东 编选
ISBN: 9787308056137

这本书里边大部分都是论文。

我推荐其中的一篇《知识在社会中的利用 》 哈耶克。

【NeiLHG的回答(0票)】:

不知道题主有没有法律方面的兴趣。

当初因为看经济法所以接触了大学里一门经济学与法律的课程，收益很多。

推荐张五常的书目。都是一些有趣的生活小例子阐述了背后的经济学理论。

【Mephisto的回答(0票)】:

不要自以为这两本基础入门书籍就可以帮你读很多paper了……而且读paper是很浪费时间的学习手段。通常paper都是长篇大论证明了几个结论，而教科书里会以最简洁最有效的方式教给你（如果不是适合当下阶段的，教科书也会告诉你）。

如果你是想入门经济金融领域，以下教科书不错

推荐教科书：

Principle of Micro/Macroeconomics

Intermediate Micro/Macroeconomics

Principle of Corporate Finance

Strategies and Games

入门会计学

统计学（如果会了就不用了……）

【邹邹1990的回答(0票)】:

经济学的烟酒僧表示看paper也头痛啊，初学者就应该先看入门级的教材然后不断升入。掌握经济学的各种方法论，原理，知道如何运用。然后针对性的看相关的paper，看paper应该是带着问题，寻求答案的思路去阅读思考。

【SATBBB的回答(0票)】:

paper读得越多，越觉得扎实基础的重要。不过learning by doing could be a way。

【顾志耐的回答(0票)】:

只学了曼昆那本书离能看明白经济学五大期刊上的Paper的距离还是有点远的，这里我也认同 @Jichun Si 说的，在开始的阶段还是去读一些教科书为好，因为教科书已经把成书的时间之前的经典理论都涵盖了。如果实在想读Paper，建议还是从文献综述读起。上面提到的JEL上面的文献综述都很不错。我在这里再给一点别的思路，列一些上面几位都没有说过的领域。如果你对新制度经济学这个领域感兴趣的话，可以去读一些这个领域的文章。这个领域有很多经典的论文，并不用很复杂的数学模型，但是思想很深刻，有助于对用经济学的思想审视这个世界这方面能力的培养。

下面列一些我自己读过的

R.H. Coase The Theory of The Firm The Problem of Social Cost

这两篇经典论文可谓“其称文小而其指极大，举类迩而见义远”，奠定了产权经济学的开端。

接下来推荐一下我特别崇拜的经济学家 Mancur Olson

The Logic of Collective Action: Public Goods and the Theory of Groups

The Rise and Decline of Nations: Economic Growth, Stagflation, and Social Rigidities

Mancur Olson的理论经常是前人从来没有说过的，令人眼前一亮，读完之后可以让人对社会的组织结构有新的认识。

行为经济学/实验经济学领域的很多论文也比较好懂，而且读起来可能更有意思一点。这样的论文重点在于实验设计，后面会用一些统计学的方法去检验结论，如果你有统计学基础，读下来应该是没有什么问题，不过我对行为经济学发展的前景还存在疑虑。

【雨田雨辰的回答(0票)】:

以下主要是对金融研究的学习，转自我给另一个题主的类似回答：

首先，我觉得题主可以尝试先了解现代金融学的发展历史。这个过程可以帮助题主可以理清每一个理论的产生背景和意义，从而使题主更容易整理出自己的金融知识体系。在这里，我有一本书推荐题主看看，邵宇和刁羽的《微观金融学及其数学基础》。这本是主要是针对资产定价相关理论的。这本书在前言部分，总结了现代金融学从1900年巴舍利耶的《投机理论》到黄和达菲的有限证券市场的动态阿罗-德布鲁均衡的相关发展历史，通过阅读这一部分，题主应该会对现代金融学的体系发展和每一个理论所关注和回答的问题有一个很好的了解。进一步，这本书的微观金融学部分很好的将这个历史中的主流金融理论进行了梳理和分类，条理十分清晰。具体说来，总结了投资者行为（即投资者效用最大化）衍生的资产定价理论、金融市场无套利定价条件在不同模型假设下的表达、B-S方法和风险中性定价在衍生产品定价方面的应用、利率期限结构理论和金融市场理论等。每一个方面都是资产定价领域的重点问题。而这本书的第二部分，数学部分则很好的总结了需要用到的数学基础。

其次，我认为题主可以基于不同的金融分支阅读各领域自身的总结性文章。在这里，我有两篇推荐题主阅读。首先，是哈佛的John Y. Campbell今年写的《Empirical Asset Pricing: Eugene Fama, Lars Peter Hansen, and Robert Shiller》。这一篇文章主要总结了上世纪70年之后基于SDF的当代资产定价理论，非常详尽，适合题主对当代资产定价理论和实证研究方法上有一个大致的学习，并且Shiller的理论是Behavior Finance方面的先河，现在很多热点的information economics问题都是从这一个分支逐渐发展出来的。第二篇文章是B. Espen Eckbo的《Corporate Takeovers: Modern Empirical Developments》。这一篇文章总结了公司并购方面的实证研究的建立，对于题主对并购理论和实证方法的理解有一定的好处。这一篇文章的最大好处是每一个部分都是基于一个问题的解答过程，有利于题主在学术生涯中形成问题导向型的知识结构，这样才能不断的发现问题并产生解答问题的欲望。

其他的参考读物，我认为题主如果时间允许可以阅读各个领域的经典教材。比如，Bodie的《Investments》对资产定价方面的基础知识有所介绍，Stephen A. Ross的《Fundamentals of Corporate Finance》对于公司金融学相关知识有所介绍，还有Hull的《Options, Futures and Other Derivatives》对于衍生品定价知识的学习十分重要（个人认为，题主的数学本科背景很适合这个方向的发展，恰好国内金融衍生品市场还很初步，未来空间辽阔，金融工程技术的掌握一定可以获得政策红利）。当然如果题主读了上述综述性文章，有兴趣也可以读一读参考文献中的原始论文。主要可以读一读Markowitz、Sharpe、Fama、Merton、Black & Scholes、Ross、Breedon、Duffie & Huang、Fama & French、Shiller等人的文章。由于重要理论实在是太多，不在这里赘述。

BTW，我也不认同 @Jichun Si的看法，你现在这个阶段就是应该多多的看一些总结性读物和原滋原味的论文，从中间获得最直接的idea，methodology是后话，但学术思想是可以理解的，而且一般学术思想都在introction里面进行了逻辑上的陈述。至于methodology，则可以逐渐的通过看同一个field的论文去总结对于相似问题，academia都用了什么统一的方法。

以上。主要用于抛砖引玉。

C. EV SSL是什么是一种数字证书吗

EV SSL是一种数复字证书。
中文全制称是增强验证型证书，证书审核级别为所有类型最严格验证方式，在OV类型的验证基础上额外验证其他企业的相关信息，比如银行开户许可证书。EV类型证书多适用于银行,金融,证券,支付等高安全标准行业。其在地址栏可以显示独特的EV绿色标识地址栏，最大程度的标识出网站的可信级别。支持ECC高安全强度加密算法，加密数据更加安全，加密性能更高。

D. 机器学习到底在量化金融里哪些方面有应用

随机过程stochasticprocesses泊松过程Poissonprocesses更新过程renewalprocesses布朗运动Brownianmotion仿射（跳跃）扩散过程affineprocesses(oraffine-jumpdiffusions)列维过程Levyprocesses连续状态分枝过程随机微分方程半鞅semimartingale偏微分方程partialdifferentialequations偏积分－微分方程partialintegro-differentialequations倒向随机微分方程backward二阶倒向随机微分方程secondorderbackward随机偏微分方程随机最优控制stochasticoptimalcontrol极值建模modelingofextremes风险度量riskmeasures蒙特卡洛模拟MonteCarlosimulation============StochasticProcesses============IntroctionandReferences『随机过程』(stochasticprocesses)是概率论的一个分支，一般来说是特指一个学科，而『蒙特卡洛』(MonteCarlo)是一种获得某种统计量、待求值或函数值的方法，二者不太具有明显的并列关系或者包含与被包含关系。随机过程从内容上来说大致有两类：第一种我称之为应用随机过程，也是大家一般所说的随机过程，内容包括几种具体的经典随机过程，例如：Poissonprocess，renewalprocess，，basicsofBrownianmotion，以及他们的应用，比如queuesystems等。相关的书籍有：Stochasticprocesses,SheldonRoss另外一本稍微高阶书的是CornellUniversity的“李登辉”教授(LeeTengHuiProfessor)、应用概率大牛SidneyResnick所著的第二种是指随机过程一般理论：一般包括概率论、随机过程的测度论基础(probabilityspace、convergencetheory、limittheory、martingaletheory等)，Markovprocess，stochasticintegral,,semimartingaletheory（半鞅）尤其是后者等比较艰深的概念和问题（内容参考以下书籍）；其中入门的书籍有：,,TomasBjork这两本是与金融交互讲的；另外一本稍微偏理论的随机分析入门书籍是：,BerntOksendal高阶数学研究生水平的书籍有：,,Karatzas,,Revuz,,Jacod,Shiryayev一本比较艰深的讲套利数学的研究生读物（需要懂半鞅、泛函分析）：Mathematicsofarbitrage,Delbaen,Schachermayer，其中讲了不同模型设定下的的套利理论，包括离散模型，连续模型比如半鞅等过程驱动的市场对应的套利结论；utilitymaximization,convexality等概念。当然，学习高级随机分析的书籍需要比较坚实的概率论基础，在此我推荐：Probability:theoryandexamples,,Dudley特别地，我强烈推荐两本我当作参考文献的概率论书籍。一下两本书全面介绍了概率论基本理论，非常适合已经有一定测度背景并且想继续深入学习随机分析的读者：Probabilitytheory:acomprehensivecourse,,KallenbergOverview『数学金融』中涉及的随机过程应该主要涵盖上述第一类里的几乎所有内容和上述第二类里的stochasticintegrals,(SDE)，semimartingale等，其中实务中最常用的是Itoprocess和Levyprocess；因为他们都有比较好的马尔可夫性(Markovianstructure)，根据Feynman-Kac等定理，所以又能与partialdifferentialequation和partialintegro-differentialequation联系起来。这也是期权定价的PDE方法。讲定价公式可以写成PDE的好处是可以使用现成的PDE数值方法。此外，Itoprocesses和Levyprocesses是特殊的semimartingale。用semimartingale做金融建模的好处有两点：1、semimartingale作为stochasticintegrator，是从一致度量(uniformmetric)下可料(predictable)被积过程所形成的空间到随机变量()所形成的空间的连续线性映射，这种性质对应于金融资产价格的稳健性，通俗地讲就是：如果你对投资策略施加一个小小的扰动，最后投资组合的价值在某种意义下也会只有相应较小的扰动。因此用semimartingale模拟金融价格是合理的。2、semimartingale组成的空间在Emerytopology(metrizable)下是完备的；这个性质加上一个比较符合经济逻辑的无套利假设(Nofreelunchwithvanishingrisk,NFLVR)，可以推出存在sigma-martingalemeasure，反之亦然；这是目前最广义的套利定价理论，它的特殊形式是：1、在离散模型中，无套利等价于存在等价鞅测度，2、在Itoprocesses中，NFLVR等价于存在等价局部鞅测度()，而NFLVR可以推出无套利。这里可以参考,Delbaen,Schachermayer，慎入，作者均是泛函分析领域的大牛，教过无数顶尖分析和概率领域的学生，写的文章非常艰深；前者也是鄙人所在学校ETHZurich概率论与金融数学组的退休教授，他们的学术成果请自行scholar.google；笔者的老师用了大约20学时教相关的半鞅知识，20学时教这篇论文)。简而言之，用这两种随机过程模拟价格是可以满足无套利的，因此可以用鞅方法定价，这即是用这两种过程建模的好处之二。在衍生品定价问题中，一般假设underlyingpriceprocess服从例如上述某种随机过程，定价则是利用金融工具的复制（超复制super-replication）等方法，在特定金融市场的假设（比如无套利，或者更特殊的假设NFLVR；又比如自由买卖假设；假设很重要!!!）下求得一个该金融工具的无套利价格，以及对应的复制（或超复制）策略。当然（超）复制问题大概涉及两个数学问题，一个是：optionaldecompositiontheorem，这个定理与最广义的FTAP有着天然数学美感的交互；另一个是随机控制论中的stochastictargetproblem，问题是如何找到一个期初价格和交易策略使得期末payoff被（超）复制。总之，不论在何种方法和假设下，资产定价理论中都用随机过程模拟资产价格。，这是搞金融数学不得不懂的随机过程，略，请参考：,StevenShrevePoissonprocesses，compoundPoissonprocesses在金融数学中的应用之一是：在结构定价问题中，我们假设资产过程除了布朗运动驱动的部分之外，还有跳跃，而跳跃经常是由这两种过程模拟的；更一般地，我们还可以假设资产价格过程服从更广义的跳跃形式，该跳跃形式存在于Levyprocesses,affineprocesses或者中，一般称作Levy-typejump。Levyprocesses可以看做；Levyprocess区别于Brownianmotion和compoundPoissonprocess的地方在于，Levyprocess还有一项squareintegrablemartingale，它可以理解为是intensity为无穷大、跳跃幅度无穷小（因此有可积性）的compensatedcompoundpoisson，在Ito-Levydecomposition中，它是由可数个组成的。在模型的微分形式中，跳跃和布朗运动驱动的部分经常是线性存在。关于Levyprocesses，请参考,,ApplebaumRenewalprocesses，Levyprocesses经常被用于金融保险中的Ruin问题，鉴于这已经超越我的知识范畴，在此不详细讨论，一本可能的参考文献是：,Kyprianou除衍生工具性定价问题，在金融控制问题中，一般也假设资产过程价格或者其他相关过程服从某种随机过程。比如在最简单的Mertonproblem中，我们假设资产价格服从多维几何布朗运动。又比如在Jacod和Shiryayev在1993年发表的关于optimaldividend的文章中，公司的价值服从一个带线性漂移的布朗运动减去一个左极限右连续的红利支付过程，然后用一个停时(stoppingtime)使其停止于价值首次为0的时刻。随机过程在金融中也可以描述资产价格之外的过程。比如SDE可以描述短期利率，在此请参考,StevenShreve关于伊藤过程驱动的高级利率模型，比如affineprocess，请参考Termstructuremodels:agraatecourse,DamirFilipovic随机过程还可以描述除了价格、利率之外的金融变量。比如在著名数理金融学家DarrelDuffie写的关于intensitybasedcreditriskmodel的文章中（原文叫,Duffie），假设defaultintensity服从affineprocess，则可违约债券定价形式与短期利率下的债券定价有相同的形式和计算方法，只是将短期利率改写成违约强度而已。关于affineprocess，请参考,Duffie,Filipovic,-diffusions,Duffie,Pan,Singleton以及以上文到的那本讲Termstructure的书：Termstructuremodels:agraatecourse,DamirFilipovic在KMV模型中，假设公司价值服从某个随机过程，比如几何布朗运动。以上这两种随机过程在信用风险中的应用均可以在DarrelDuffie的书CreditRisk:Pricing,Measurement,andManagement中找到。随机过程也可以描述衍生金融工具的价格。比如我们知道欧式期权的payoff（在这里是期末价值），同时知道underlyingassetpriceprocess，我们可以论证欧式期权的价格过程满足倒向随机微分方程(BSDE)；如果underlyingassetpriceprocesses满足Markovianstructure，则该BSDE为一个前向－倒向随机微分方程(FBSDE)；其中方程期末条件是payoff，方程生成元(generator)与underlyingprice相关；方程有一对解，第一个解是期权价格过程，第二个解则对应欧式期权在该市场下的复制策略。如果假设underlyingprocess是几何布朗运动，则该BSDE为线性BSDE，其解的形式就是欧式期权的定价公式：风险中性测度下期末值贴现的期望。相关文献请参考：Backwardinfinance:Karoui,Peng,Quenez类似地，BSDE也可以描述效用，称作随机微分效用(stochasticdifferentialutility)，可以参考：Stochasticdifferentialutility,Duffie,Epstein此外MarekMusiela，RamaCont，TomasBjork，ReneCarmona等人也尝试过用随机偏微分方程(，可以近似理解为用无穷维随机微分方程或Banach空间取值的随机微分方程)；用SPDE建模就是用SPDE来模拟一个取值为连续函数的forwardratecurve演化过程。这应该就是Heath-Jarrow-Morton-Musiela，请参考：,，TomasBjork,:aninfinitedimensionalapproach,RamaContInterestratemodels:,ReneCarmona当时实务中并不需要这么多高深的数学知识。只要能明白概率论，应用随机过程，随机分析（基本内容一般包括stochasticintegral,SDE，特别是与Itoprocesses相关的内容）就能看懂绝大多数常用模型了。如果是做金融数学学术，则额外还需要专攻以下方向中的一个或多个：Levyprocess,affineprocess,backward,semimartingale,stochasticcontrol,stochasticdifferentialgames,stochasticPDE,等。除了概率论，金融相关的数学还涉及偏微分方程（及黏性解），控制论，数值分析，统计计量等。============MonteCarlo===========MonteCarlo最早是摩纳哥赌场的名字，笔者曾在七月造访。『MonteCarlo』算法一般是指，利用随机抽样的方法，获得一些随机系统的统计量或者参数。比如你有一颗硬币，你想知道掷出后获得正面的概率，那么你通过大量试验以后，可以利用获得正面的频率来估计，这也是中心极限定理的结果。金融中的一个应用是，通过MC来模拟多条标的资产的价格走势，代入形式为求概率期望的定价公式就可以求出估计的期权价格的模拟值。此方法则是实现定价的MC方法。将扔硬币和Brownianmotion联系起来的数学定理是Donskerinvarianceprinciple：我们可以想象用硬币反复地大量地投，减小面值(+\epsilon,-\epsilon)，同时减小投币时间间隔(\delta)，那么累积值过程在某种意义下收敛于布朗运动。MC具体还有很多其他金融应用，比如求某一个风险度量下的风险值。============MachineLearning===========『机器学习』是一门学科也可以算是方法。我在这领域涉足不深，曾经学习的是主要基于数据、利用回归分析、贝叶斯理论等方法种决策树并用它投票，用以实现模式识别、分类和预测等问题。具体方法有adaboost，baggingprediction，randomforest等。假设你是银行数据分析师，你有客户的数据，比如年龄，性别，年收入等。如何根据这些数据来简单的构造一个信用分类法则是机器学习的一个简单应用。

E. SSL证书安装好后怎样判别是EV、OV、DV的

SSL证书安装后，可以根据浏览器展示形式、查看证书详情判断SSL证书的类型。

浏览器显版示：绿色权小锁+https:// 有可能是DV SSL证书或者OV SSL证书；

浏览器显示：企业名称+绿色小锁+https:// 就是EV SSL证书。

最直接的方法就是查看证书详情，里面会有证书的介绍，比如：

总结：DV与OV证书的主要区别就是：DV型证书不包含企业名称信息；而OV型证书包含企业名称信息，而且OV比DV价格贵，安全等级高。

OV和EV证书的主要区别就是：浏览器对EV证书更加“信任”，当浏览器访问到EV证书时，可以在地址栏显示出公司名称，并将地址栏变成绿色。

F. 随机过程，机器学习和蒙特卡洛在金融应用中都有哪些关系

随机过程 stochastic processes
泊松过程 Poisson processes
更新过程 renewal processes
布朗运动 Brownian motion
仿射（跳跃）扩散过程 affine processes (or affine-jump diffusions)
列维过程 Levy processes
连续状态分枝过程 continuous state branching processes
随机微分方程 stochastic differential equations
半鞅 semimartingale
偏微分方程 partial differential equations
偏积分－微分方程 partial integro-differential equations
倒向随机微分方程 backward stochastic differential equations
二阶倒向随机微分方程 second order backward stochastic differential equations
随机偏微分方程 stochastic partial differential equations
随机最优控制 stochastic optimal control
极值建模 modeling of extremes
风险度量 risk measures
蒙特卡洛模拟 Monte Carlo simulation

============Stochastic Processes============

Introction and References

『随机过程』(stochastic processes) 是概率论的一个分支，一般来说是特指一个学科，而『蒙特卡洛』 (Monte Carlo) 是一种获得某种统计量、待求值或函数值的方法，二者不太具有明显的并列关系或者包含与被包含关系。

随机过程从内容上来说大致有两类：

第一种我称之为应用随机过程，也是大家一般所说的随机过程，
内容包括几种具体的经典随机过程，例如：Poisson process，renewal process，discrete time and continuous time Markov chain，basics of Brownian motion，以及他们的应用，比如 queue systems 等。

相关的书籍有：
Stochastic processes, Sheldon Ross
另外一本稍微高阶书的是 Cornell University 的“李登辉”教授 (Lee Teng Hui Professor)、应用概率大牛 Sidney Resnick 所著的
Adventures in stochastic processes

第二种是指随机过程一般理论：一般包括概率论、随机过程的测度论基础 (probability space、convergence theory、limit theory、martingale theory 等)，Markov process，stochastic integral, stochastic differential equations, semimartingale theory （半鞅）尤其是后者等比较艰深的概念和问题（内容参考以下书籍）；

其中入门的书籍有：
Stochastic calculus for finance II, Steven Shreve
Arbitrage theory in continuous time, Tomas Bjork
这两本是与金融交互讲的；另外一本稍微偏理论的随机分析入门书籍是：
Stochastic differential equations, Bernt Oksendal
高阶数学研究生水平的书籍有：
Stochastic integrals and differential equations, Philip Protter
Brownian motion and stochastic calculus, Karatzas, Shreve
Brownian motion and continuous martingales, Revuz, Yor
Limit theorems for stochastic processes, Jacod, Shiryayev
一本比较艰深的讲套利数学的研究生读物（需要懂半鞅、泛函分析）：
Mathematics of arbitrage, Delbaen, Schachermayer，
其中讲了不同模型设定下的的套利理论，包括离散模型，连续模型比如半鞅等过程驱动的市场对应的套利结论；utility maximization, convex ality 等概念。

当然，学习高级随机分析的书籍需要比较坚实的概率论基础，在此我推荐：
Probability: theory and examples, Richard Durret
Real analysis and probability, Dudley
特别地，我强烈推荐两本我当作参考文献的概率论书籍。一下两本书全面介绍了概率论基本理论，非常适合已经有一定测度背景并且想继续深入学习随机分析的读者：
Probability theory: a comprehensive course, Klenke
Foundations of modern probability, Kallenberg

Overview

『数学金融』中涉及的随机过程应该主要涵盖上述第一类里的几乎所有内容和上述第二类里的stochastic integrals, stochastic differential equations (SDE)，semimartingale 等，其中实务中最常用的是 Ito process 和 Levy process；因为他们都有比较好的马尔可夫性 (Markovian structure)，根据 Feynman-Kac 等定理，所以又能与 partial differential equation 和 partial integro-differential equation 联系起来。这也是期权定价的 PDE 方法。讲定价公式可以写成 PDE 的好处是可以使用现成的 PDE 数值方法。

此外，Ito processes 和 Levy processes 是特殊的 semimartingale。用 semimartingale 做金融建模的好处有两点：
1、semimartingale 作为 stochastic integrator，是从一致度量 (uniform metric) 下可料 (predictable) 被积过程所形成的空间到随机变量 (topologized by convergence in probability) 所形成的空间的连续线性映射，这种性质对应于金融资产价格的稳健性，通俗地讲就是：如果你对投资策略施加一个小小的扰动，最后投资组合的价值在某种意义下也会只有相应较小的扰动。因此用 semimartingale 模拟金融价格是合理的。
2、semimartingale 组成的空间在 Emery topology (metrizable) 下是完备的；这个性质加上一个比较符合经济逻辑的无套利假设 (No free lunch with vanishing risk, NFLVR)，可以推出存在 sigma-martingale measure，反之亦然；这是目前最广义的套利定价理论，它的特殊形式是：
1、在离散模型中，无套利等价于存在等价鞅测度，
2、在 Ito processes 中，NFLVR 等价于存在等价局部鞅测度 (equivalent local martingale measure)，而 NFLVR 可以推出无套利。
这里可以参考 A general version of the fundamental theorem of asset pricing, Delbaen, Schachermayer，慎入，作者均是泛函分析领域的大牛，教过无数顶尖分析和概率领域的学生，写的文章非常艰深；前者也是鄙人所在学校 ETH Zurich 概率论与金融数学组的退休教授，他们的学术成果请自行 scholar.google；笔者的老师用了大约20学时教相关的半鞅知识，20学时教这篇论文)。简而言之，用这两种随机过程模拟价格是可以满足无套利的，因此可以用鞅方法定价，这即是用这两种过程建模的好处之二。

在衍生品定价问题中，一般假设 underlying price process 服从例如上述某种随机过程，定价则是利用金融工具的复制（超复制 super-replication）等方法，在特定金融市场的假设（比如无套利，或者更特殊的假设 NFLVR；又比如自由买卖假设；假设很重要!!!）下求得一个该金融工具的无套利价格，以及对应的复制（或超复制）策略。当然（超）复制问题大概涉及两个数学问题，一个是：
optional decomposition theorem，这个定理与最广义的 FTAP 有着天然数学美感的交互；另一个是随机控制论中的 stochastic target problem，问题是如何找到一个期初价格和交易策略使得期末 payoff 被（超）复制。 总之，不论在何种方法和假设下，资产定价理论中都用随机过程模拟资产价格。

Concrete Examples

Brownian motion，这是搞金融数学不得不懂的随机过程，略，请参考：
Stochastic calculus for finance II, Steven Shreve

Poisson processes，compound Poisson processes 在金融数学中的应用之一是：在结构定价问题中，我们假设资产过程除了布朗运动驱动的部分之外，还有跳跃，而跳跃经常是由这两种过程模拟的；更一般地，我们还可以假设资产价格过程服从更广义的跳跃形式，该跳跃形式存在于 Levy processes, affine processes 或者 continuous state branching processes 中，一般称作 Levy-type jump 。 Levy processes 可以看做 weak closure of Compound Poisson processes；Levy process 区别于 Brownian motion 和 compound Poisson process 的地方在于，Levy process 还有一项 square integrable martingale，它可以理解为是 intensity 为无穷大、跳跃幅度无穷小（因此有可积性）的 compensated compound poisson，在 Ito-Levy decomposition 中，它是由可数个 compound compensated Poisson processes 组成的。在模型的微分形式中，跳跃和布朗运动驱动的部分经常是线性存在。

关于 Levy processes，请参考
Introctory lectures on fluctuations of Levy processes, Kyprianou
Levy processes and stochastic calculus, Applebaum

Renewal processes，Levy processes 经常被用于金融保险中的 Ruin 问题，鉴于这已经超越我的知识范畴，在此不详细讨论，一本可能的参考文献是：
Introctory lectures on fluctuations of Levy processes, Kyprianou

除衍生工具性定价问题，在金融控制问题中，一般也假设资产过程价格或者其他相关过程服从某种随机过程。比如在最简单的 Merton problem 中，我们假设资产价格服从多维几何布朗运动。又比如在 Jacod 和 Shiryayev 在1993年发表的关于 optimal dividend 的文章中，公司的价值服从一个带线性漂移的布朗运动减去一个左极限右连续的红利支付过程，然后用一个停时 (stopping time) 使其停止于价值首次为0的时刻。

随机过程在金融中也可以描述资产价格之外的过程。比如SDE可以描述短期利率，在此请参考
Stochastic calculus for finance II, Steven Shreve
关于伊藤过程驱动的高级利率模型，比如 affine process，请参考
Term structure models: a graate course, Damir Filipovic

随机过程还可以描述除了价格、利率之外的金融变量。比如在著名数理金融学家 Darrel Duffie 写的关于 intensity based credit risk model 的文章中（原文叫 credit risk modeling with affine processes, Duffie），假设 default intensity 服从 affine process，则可违约债券定价形式与短期利率下的债券定价有相同的形式和计算方法，只是将短期利率改写成违约强度而已。
关于 affine process，请参考
Affine process and applications in finance, Duffie, Filipovic, Schachermayer
Transform analysis and asset pricing for Affine jump-diffusions, Duffie, Pan, Singleton
以及以上文到的那本讲 Term structure 的书：
Term structure models: a graate course, Damir Filipovic

在KMV模型中，假设公司价值服从某个随机过程，比如几何布朗运动。

以上这两种随机过程在信用风险中的应用均可以在 Darrel Duffie 的书 Credit Risk: Pricing, Measurement, and Management 中找到。

随机过程也可以描述衍生金融工具的价格。比如我们知道欧式期权的 payoff （在这里是期末价值），同时知道 underlying asset price process，我们可以论证欧式期权的价格过程满足倒向随机微分方程 (BSDE)；如果underlying asset price processes 满足 Markovian structure，则该 BSDE为一个前向－倒向随机微分方程 (FBSDE)；其中方程期末条件是 payoff，方程生成元 (generator) 与 underlying price 相关；方程有一对解，第一个解是期权价格过程，第二个解则对应欧式期权在该市场下的复制策略。如果假设 underlying process 是几何布朗运动，则该 BSDE 为线性 BSDE，其解的形式就是欧式期权的定价公式：风险中性测度下期末值贴现的期望。
相关文献请参考：
Backward stochastic differential equations in finance: Karoui, Peng, Quenez
类似地，BSDE也可以描述效用，称作随机微分效用 (stochastic differential utility)，可以参考：
Stochastic differential utility, Duffie, Epstein

此外 Marek Musiela，Rama Cont，Tomas Bjork，Rene Carmona 等人也尝试过用随机偏微分方程 (stochastic partial differential equations，可以近似理解为用无穷维随机微分方程或 Banach 空间取值的随机微分方程) ；用 SPDE 建模就是用 SPDE 来模拟一个取值为连续函数的 forward rate curve 演化过程。

这应该就是 Heath-Jarrow-Morton-Musiela，请参考：
Stochastic PDEs and term structure models, Musiela
Towards a general theory of bond markets，Tomas Bjork, et al
Modeling term structure dynamics: an infinite dimensional approach, Rama Cont
Interest rate models: an infinite dimensional stochastic analysis perspective, Rene Carmona

当时实务中并不需要这么多高深的数学知识。只要能明白概率论，应用随机过程，随机分析（基本内容一般包括 stochastic integral, SDE，特别是与 Ito processes 相关的内容）就能看懂绝大多数常用模型了。

如果是做金融数学学术，则额外还需要专攻以下方向中的一个或多个： Levy process, affine process, backward stochastic differential equations, semimartingale, stochastic control, stochastic differential games, stochastic PDE, 等。

除了概率论，金融相关的数学还涉及偏微分方程（及黏性解），控制论，数值分析，统计计量等。

============Monte Carlo===========

Monte Carlo 最早是摩纳哥赌场的名字，笔者曾在七月造访。『Monte Carlo』算法一般是指，利用随机抽样的方法，获得一些随机系统的统计量或者参数。比如你有一颗硬币，你想知道掷出后获得正面的概率，那么你通过大量试验以后，可以利用获得正面的频率来估计，这也是中心极限定理的结果。金融中的一个应用是，通过 MC 来模拟多条标的资产的价格走势，代入形式为求概率期望的定价公式就可以求出估计的期权价格的模拟值。此方法则是实现定价的 MC 方法。将扔硬币和 Brownian motion 联系起来的数学定理是 Donsker invariance principle：我们可以想象用硬币反复地大量地投，减小面值 (+\epsilon, -\epsilon)，同时减小投币时间间隔 (\delta)，那么累积值过程在某种意义下收敛于布朗运动。

MC 具体还有很多其他金融应用，比如求某一个风险度量下的风险值。

============Machine Learning===========

『机器学习』是一门学科也可以算是方法。我在这领域涉足不深，曾经学习的是主要基于数据、利用回归分析、贝叶斯理论等方法种决策树并用它投票，用以实现模式识别、分类和预测等问题。具体方法有 adaboost，bagging prediction，random forest 等。假设你是银行数据分析师，你有客户的数据，比如年龄，性别，年收入等。如何根据这些数据来简单的构造一个信用分类法则是机器学习的一个简单应用。

G. Sectigo的证书现在那么多，我该怎么选择啊

域名来数量与组织形式来确定SSL证书自类型。

解释原因：

1. 个人选择DV证书，公司选择OV证书。EV证书于电商、支付、品牌企业、应用项目。

2. 一个域名选择单域名证书、多个独立的域名选择多域名证书、主域名存在很多子域名的选择通配符证书、多个独立域名并且存在很多子域名选择多域名通配符证书。

3. 软件开发应用使用代码签名证书、邮箱数字认证使用S/MIME邮件证书。

解决办法：无法确定证书种类与类型的可以在Gworg获得选择。

H. 大学经济学主要有用的课程

额，从你的补充上我觉得你似乎想研究的是金融，而不是经济.....就像楼上所说，宏专微观是属必学的，计量也很有用，还有财政学什么的，都很基础。你可以上淘宝上搜经济学教材，出来的最热的书肯定是比较好的，我们没法给你推荐，名字就叫宏微观，可是有太多的书都叫这个名字。其实你自己去新华书店也成，很多书上直接就有“经济学教材”之类的标志。
还有，你要学经济也就罢了，搞金融数学不成就废了，我现在是金融投资的研究生，老师上来就讲方差标准差的，你要搞不清概念就完全学不成了，你加油吧，感觉你完全还搞不清概念呢，学金融不能分析数字就说明白学了，经济也是一样，毕竟学完了是直接对市场数字的。

I. 特许金融分析师CFA是6月考还是12月考好

道德部分
案例题并不多接近一半的题题干非常简单多数是直接问哪项属于或不属于recommended proceresfor compliance,上午下午这类题大概占3-4个考到了fair dealing;prior transaction;等。案例题大家就比较熟悉了，但是真题比起模拟题来说还是风格不太一样的。平时做的模拟题道德部分多是案例分析，一般熟知每项知识点包括的重点就能做对。但真题这次考的个别题比较刁钻，属于语言上迷惑你，比如有题关于teamwork，某人不同意其团队的观点，题目问他的行为应是什么。按常规思路A选项remove hisname是对的，可以除去自己的名字，而C选项是believe intheir team’s conclusion in order to remain his name on the report.C选项第一眼看怎么都不觉得对。但是问题就在这里，题目里的细节“afterdebating”这个团队得出的结论，而题尾问什么是“he must”，忽略掉这个细节就没法做对了。A是个迷惑性很强的干扰项。再次强调，真题和mock,sample真的风格、思路很不一样，千万别被mock骗了。当然MOCK和SAMPLE是必做的，毕竟是官方出的题，在所有可以得到的模拟题目中这个是最接近的。另一道题关于additional compensation arrangement，题目中说只要该manager业绩超过4个百分点就给与bonus，注意细节词语“any time when”是很明显的提示，明显存在conflict of interest。
定量分析和经济学
大部分题目比较常规，像HPR,EAY,BEY,RMM之间的换算，Sharpe ratio，相关系数等等。定量分析出乎意料考了相当多的技术分析的概念。看来协会还是很重视这块内容的。
经济学算是整套题目里面最贴近平时练习的题型。机会成本，市场的几个分类和特点（有效竞争、垄断竞争、寡头和垄断），各类弹性计算，需求供给曲线的变化（好像有3道关于labor供需的题），通胀，各类货币政策财政政策等等。Laffer Curve没有考，不知道12月会不会补上这个。本人这两块因为专业相近学校学过，就没有看的太认真，不作过多评价。
财务报表分析FSA
历年FSA和道德都是考试的重头戏。上午下午各24道题，占到总体的20%，重要性不言而喻。不过今年FSA感觉比预想中简单很多，没有很复杂的计算或者推理。EPS只考了一道basic EPS而没有考diluted EPS这个让人觉得很奇怪。CFO,CFI,CFF,FCFE,FCFF等计算也考的非常简单，没有给出报表。踩对了财务报表的特征、准备和编制的要求，IFRS和US GAAP下的不同处。（题外话，平时做的题目都是默认US GAAP而真题这次默认IFRS这点要小心）。各类ratio考的不少，更偏重于推理一个因素的变化导致的ratio变化。像current ratio,quick ratio,各类turnover等。常规考点很多，但普遍比notes的模拟题简单，如存货LIFO&FIFO，折旧，无形资产的摊销减值和revaluation，各类capitalized&expensed的对比，Non-recurring items四项，capital lease&operatinglease等等。养老金考的DCP，DBP有效没有考到这个也比较意外，可能是移到2级了。
Corporate Finance
优先股、普通股成本，NPV&IRR，capital budgeting，pure-play method project beta，回购等等，还有pro forma financialstatement。计算比较简单。
Equity
考了3道EV计算，比较意外。有效市场假今年大幅度改动，中。DDM是重中之重，几个DDM公式还有price multiples一起考了很多道。
衍生品&其他投资
FRA equity swap各一道计算，衍生品反而计算题多一点。期权的定价和价格范围考了欧式看涨期权的上限，比较有新意。real estate只考了NOI的计算。有几道题很怪，但已经想不起来什么内容了。
总体来说真题和mock、sample都不太一样mock难度和真题不相上下，但MOCK对我们中国学生来说比较正，考的都是LOS重点，计算量也刚好。而实际拿到题目后的感觉是真题计算量很小，全天下来240道题好像也就一道关于market-capital-weight的计算量偏大，其他的题目基本最多三步计算就能达到结果。相反，真题考了非常多的概念题，像定量分析中的蜡烛图，Bollinger Bands，Elliott Wave Pattern等技术分析的概念考的非常多。本人恰好忽略了这章，损失惨重。重点本人感觉考的比较奇怪，很多LOS上的和往年考题中的重点今年几乎没有涉及，像diluted EPS，杜邦公式这种认为必考的都没考。CFO，FCFF印象中分别考了一道，也非常非常简单，根本没有给你什么报表，就三四个数据自己看着办。
所以总的来说CFA1级现在出题的趋势是弱化计算，广度加大，对知识点掌握的深度要求低了，接近1/3的题目没有任何技术含量，知道这个知识点就能做对，不知道的就很悬了。另一点今年6月考试很奇怪的是，今年新增的、改动的知识点考的也非常少。我考前整理出了一部分自己认为重要的今年新增的和改动大的笔记，还有几个官方教材有但NOTES没有的知识点，结果大部分都没有中。可能12月份会涉及吧。毕竟CFA协会和schweser,stalla几家机构是竞争关系，他们是“严厉打击”后两家的，所以出题会尽量避开其他资料的题目。协会的风格似乎有些转变，偏向了更多的概念细节。大家还是多看几遍书，觉得不重要的也要看，很可能就出到真题了。