2024年FRM考生注意！FRM一級(jí)考綱變動(dòng)你了解嗎？

2024年FRM考生注意！FRM一級(jí)考綱變動(dòng)你了解嗎？2024年的FRM一級(jí)考綱會(huì)在今年的12月1日正式公布，由于23年的FRM一級(jí)考綱變動(dòng)比較大，因此明年FRM一級(jí)的考綱變動(dòng)應(yīng)該不會(huì)很大，下面跟著學(xué)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(jī) 器 學(xué) 習(xí) ） 的 考 點(diǎn) 及 對(duì) 應(yīng) 的 兩 個(gè) 章 節(jié) Machine Learning Methods（Chapter 14）與 Machine Learning and Prediction（Chapter 15），風(fēng)險(xiǎn)管理基礎(chǔ)、金融市場(chǎng)與產(chǎn)品、估值與風(fēng)險(xiǎn)模型無實(shí)質(zhì)變化，各科目分值占比無變化。具體情況如下：

考綱變化：

考試分值占比 20%（無變化）。

考綱考點(diǎn)無變化。

考綱變化：
考試分值占比 20%（無變化）。
考綱考點(diǎn)新增 Machine learning（機(jī)器學(xué)習(xí)）；第七章加入考點(diǎn)：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(cè)度來估計(jì)相關(guān)系數(shù)）；
第八章加入考點(diǎn)：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(dòng)的三個(gè)分量：ESS、TSS、RSS 計(jì)算回歸的 R 方）；第十二章加入考點(diǎn)：Compare and contrast the different measures of correlation used to assess dependence（比較和對(duì)比用于評(píng)估依賴性的不同相關(guān)性測(cè)度）.

考綱變化：
考試分值占比 30%（無變化）。
僅對(duì)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(diǎn)：
金融機(jī)構(gòu)的結(jié)構(gòu)與功能，場(chǎng)外交易（OTC）和交易所市場(chǎng)的結(jié)構(gòu)和機(jī)制，遠(yuǎn)期、期貨、互換和期權(quán)的結(jié)構(gòu)、機(jī)制和估值，使用衍生品進(jìn)行對(duì)沖,匯率與外匯風(fēng)險(xiǎn)，期權(quán)估值

考綱變化：
考試分值占比 30%（無變化）。
僅對(duì)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(dòng)平均（EWMA）方法和GARCH（1,1）模型來估計(jì)波動(dòng)率，并描述加權(quán)歷史回報(bào)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(dòng)平均（EWMA）方法來估計(jì)波動(dòng)率，并描述加權(quán)歷史回報(bào)數(shù)據(jù)的替代方法）”.
考點(diǎn)：
公司債券，抵押擔(dān)保債券，固定收益估值，利率與利率敏感性度量指標(biāo)，對(duì)沖，在險(xiǎn)價(jià)值（VaR），預(yù)期損失（ES），估計(jì)波動(dòng)性和相關(guān)性，經(jīng)濟(jì)資本與監(jiān)管資本，壓力測(cè)試和情景分析，國家和主權(quán)風(fēng)險(xiǎn)模型及風(fēng)險(xiǎn)管理，外部和內(nèi)部信用評(píng)級(jí)，預(yù)期與非預(yù)期損失，操作風(fēng)險(xiǎn)。