分享心得mlc\mfe\c全部10分通过，感谢这个论坛的帮助 - 第3页

21楼

wbwd1997 发表于 2011-2-20 23:05:11

20# dmwt2007

10分这种东西可遇不可求，运气成分很大，比如我考试时就有2道题目是蒙的，拿到10分我也感到很幸运，至于你的情况，2个月每天3小时，基础应该可以很扎实，至于能不能拿10分我不敢保证。

22楼

dmwt2007 发表于 2011-2-20 23:20:40

萬分感謝lz的解答
其實我也知道10是可遇不可求,但還是想估計自己有多大機會能拿下10的
lz也太謙虛了,http://www.casact.org/admissions/studytools/exam3/Exam_3Fpass.pdf 說60%就pass了
也就是說26或以上肯定10了
lz蒙了2道題,全錯了還是10啊
聽了lz的話,我也決定衝MFE了

23楼

zz8he 发表于 2011-2-23 23:36:11

太牛了，我运气就没那么好了！

24楼

wbwd1997 发表于 2011-2-24 21:52:37

C复习
当看到congratulation显示在屏幕上的时候，终于松了一口气，4周的紧张复习终于有了结果，也意味着半年的基础课程也终于告一段落了，现在和大家简单分享一下复习的心得体会。

我本人使用的是asm manual 11edtion，就像坛子里某位朋友说得，asm save the world，作者对考试内容的把握非常到位，从考点到难度都很好的覆盖了整个考纲，是一本我强烈推荐的辅导书（该死的厚度除外）。

个人感觉c与p的联系非常紧密，可以说就是p与统计在精算领域内的具体应用，所以当初学好p的同志们在这里会感到轻松一些。从整体上讲，c的复习包括了以下几个部分：基础概率、经验模型、参数估计、信度以及随即模拟。

一、基础概率论
这部分大多是重述p的内容，有心的朋友会发现很多在p manual中出现的题目、考点会再次出现，我个人认为这部分重点就是掌握基本分布和基本概念，与p相比较，初学者会重新学习许多重要的连续分布：gamma、pareto、single-pareto、weibull、lognormal等，掌握好这些分布的数字特征会让你更方便地掌握后面的知识，bernoulli shortcut、mixture、splice等技巧也是非常重要的，会加快解题速度，是通过考试、考取高分的基础。

这部分新接触的内容主要就是risk measures and tail weight，其中定型部分主要讲的就是衡量风险的四大准则：translation invariance、positive homogeneity、subadditivity、monotonicity，今次考试考察了4种基本定价方法分别满足以下哪几种性质，期望定价法都满足、期望*k定价法不满足translation invariance，期望+方差定价法只满足translation invariance，期望+标准差定价法不满足monotonicity；定量部分主要就是VaR、TVaR，这里有一个小地方需要注意：normal、lognormal的TVaR公式！其中normal的公式中是pdf，而lognormal的公式包含的是cdf，我还记得第一次在这里学习时马大哈，都给记成了是cdf，幸好在章节练习时发现了问题，差点犯了低级失误。

另外一个新接触得知识点就是（a,b,1）族了，当我们建立模型时往往要分别估计离散的损失次数分布（泊松、二项、负二项）以及连续的损失分布，在某些特殊情况下我们必须把0损失的事件剔出，否则就不能顺利建立模型，因此(a,b,1)族被发明了出来，其重点都是围绕0损失事件，对损失次数分布进行修正，有了这些背景知识，相信大家在学习zero-truncated，zero-modified时就能了解这些分布的含义了。其次，还要注意对模型参数进行修正时（比如通胀调整、去除次数分布中0损失事件），哪些参数是调整的，哪些保持不变，这部分也是会经常考到的。

二、经验模型
第二部分内容实用性很高，主要就是帮助我们处理数据，当面对大量原始数据时首先要做的就是对数据进行各种修正平滑，让其更好的符合数学特性，方便我们拟合，三个常考察的部分：统计性质，定性分析居多；kaplan-meier，nelson-aalen 统计量的计算和方差计算；kernel平滑。其中后两个部分是经常遇到的考点，manual在这部分写得非常详细，请各位考友仔细阅读，不多废话了。

三、参数模型
三大参数估计方法：距法、分位数匹配法、极大似然法，如果数学基础过关，这部分不算什么新知识，大量的公式需要背诵，强烈推荐记忆距法和极大似然法的公式（公式总结得非常好），分位数匹配法不推荐背诵，理由很简单，manual上公式不多，其次作者也说了，这部分很容易就可以考察一个其他分布，所以请时间紧张的考友不要浪费时间。C很侧重对极大似然法估计的考察，对极大似然法参数的统计性质也多有考察，统计量的方差必须掌握，manual中有一部分讲得就是各种处理技巧，希望大家能仔细阅读。离散分布拟合相对独立，相对简单。

数据我们处理完，参数也估计出来，接下来就是检验了。首先就是画图检验，D（X）图（注意是经验分布-拟合分布）以及P-P图（x轴是经验分布，且分母为n+1，y轴是拟合分布）非常重要，必须掌握。接下来就是三个统计量检验：kolmogorov-smirnov（学会表格处理法）、anderson-darling、chi-square（小心自由度）统计量，重点是k-s和chi统计，请仔细阅读manual，熟练掌握解题方法，难度不大，相信大家都能够顺利掌握这部分内容；剩下的一些考点就是LR检验与schwarz Bayesian criterion，内容不多，虽然这次考试中没有出现，但请时间充足的朋友准备好。

25楼

wbwd1997 发表于 2011-2-24 21:54:06

本帖隐藏的内容

四、信度理论
考试的重点章节，会涉及大概10道题目左右，重点中的重点，为什么叫信度呢？举个manual中的例子：我们接触的某一特定损失（比如某某公司的职员）可能会与整体损失（该地区全部人员）产生差异，比如这群人可能损失频率更低、平均损失更小，所以对有关保险产品定价时对方就会要求降低保费，信度就是如何衡量经验数据的可信度，让我们在经验数据和整体损失数据间做一个合理的加权平均，既降低了保费满足了客户要求，同时还能保护自己避免发生意外损失。

有限波动信度（泊松）中最重要的就是manual里的表格，必须掌握，其中必须区分两个概念，一个是“you want xxxx to be within k for a period of time”，另外一个就是“how many xxxx are needed for full credibility”，明确了这些概念以后才能在表中找到对应的计算公式，需要特别注意。

Bayesian信度中，离散和连续两大类别都要熟练掌握，其中连续先验分布中有一个特殊的现象，就是某些先验分布于后验分布都是同一类分布，只是参数有所区别，manual总结了4个具体类别（足够用了），分别是poisson/gamma、normal/normal、expoential/inverse gamma、bernoulli/beta，重点掌握先验分布与后验分部参数联系，以及信度保费的计算，有许多公式，这里掌握熟练会极大提高你的解题速度，前提是必须掌握好基础。

Buhlmann信度中主要有几种估计方法：buhlmann、buhlmann-straub、非参数、半参数估计。首先要明确buhlmann信度中u，v，a的具体含义，然后掌握每种方法的区别，其中非参数估计中会有较为复杂的公式，可以说是全部书中最难的公式了，一定背诵熟练。

五、随机模拟
如果学习过mfe，这部分内容算不上很难，理论基础与mfe当中的蒙特卡洛模拟一样，利用[0，1]均匀随机变量和目标随机变量的逆分布生成随机数。一个新知识点就是bootstrap方法，这次考试时大家遇到的情况各有不同，有的人在这里遇到了三道题目，有些人比如我只遇到一道题目，内容不难，manual在这里也没有用很多笔墨，难度不算很大。

p.s：需要注意在整个学习中会遇到各种方差计算，有的是无偏的（除n-1），有的用经验分部（除n）的一定区分清楚。

很快就要开始fap学习了，简单分享一下学习心得，希望对后来者有所帮助。