CFA二级数量到底讲了什么内容？二级数量主要涉及以下几个部分：
金融科技（Fintech）
这一部分探讨的都是近几年投资实务操作中热门的话题，主要介绍了“大数据”、“人工智能和机器学习”、“数据科学”、“分布式账本技术”等金融科技的工具，并且还简单说明了“金融科技”在金融投资领域的实际运用。
本节考察的重点在于概念的对比，并不涉及任何的计算。因此大家应当重点理解相关概念的含义，无需死记硬背。
相关性分析以及回归分析
相关性分析可以通过散点图来观测，也可以通过计算变量之间的相关系数来衡量。相关性分析的重点在于对其展开的显着性检验。回归分析重点在于明确其具体步骤。
回归分析的步骤分为四步：
1.建立回归模型
2.对模型展开分析，主要分析方法就是分析A*VA表中的各项数据信息
3.对回归模型进行显着性检验，内容包括区间估计、假设检验
4.运用模型预测因变量
多元回归和机器学习
这一部分主要阐述了多元回归与一元回归之间的区别，此外该章节还引入了虚拟变量的概念，并且讨论了回归模型的假设被违反的几种常见情形。
多元回归是二级数量的核心内容，它的知识点将贯穿整个二级数量的教材。此外，这一部分还新增了机器学习的内容，在*部分的基础上更全面的解读了机器学习。
时间序列模型
这一部分主要介绍了两类时间序列模型：趋势模型和自回归模型。
所有内容都围绕这两类模型进行展开。这部分内容是数量学习的难点（虽然它也仅仅是介绍了时间序列模型的皮毛），同学们一定要深刻理解其中的逻辑，多加练习。
概率方法：情景分析、决策树与模拟
这部分是一个论文节选，官方教材中并没有罗列相应的例题，因此本章也不作为考试重点。我们要掌握这三类风险衡量工具之间的异同点，以及每种方法各自适合的使用场景。
重难点
二级数量2019年虽然新增了Fintech的内容，但这部分并不作为考试的重难点，根据原版书的例题来看，新增的内容只涉及一些概念的辨析，并没有计算，所以我们只需要掌握一些基础的概念即可。
所以二级数量的重难点依旧在多元回归分析和时间序列模型上。我们需要重点掌握违反回归模型假设的三种情形：异方差、序列相关和多重共线性。
对于时间序列模型，我们需要重点掌握自回归模型的假设，这同时也是一个难点。关于时间序列模型这一部分，需要我们理清各个模型相互间的逻辑关系，并且强调对重要概念的结论的理解。
与一级数量的联系与区别
与一级数量相比，二级数量涉及的知识点数量其实并不多，远少于一级数量的知识点。但是二级数量更专注于研究回归分析和时间序列模型分析这些更深层次的内容，当然难度也会略高于一级数量。
并且2019年新增了Fintech专题，这也是一级数量中所没有接触过的。不过相对于做题而言，两个级别的难度都不是特别大，只是二级数量需要在理解层面上多花一些功夫。
