Рассмотрим основы моделей скользящего среднего, сглаживание прошлых значений временного ряда с помощью скользящего среднего, а также прогнозирование с помощью моделей скользящего среднего, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим концепцию единичного корня, анализ временных рядов с единичным корнем, а также проверку авторегрессионной модели на нестационарность с помощью теста (критерия) единичного корня, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим случайное блуждание - одну из наиболее широко изученных моделей временных рядов для финансовых данных, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим нестабильность коэффициентов регрессии моделей временных рядов, а также определение периода выборки при построении модели, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим сравнение точности прогнозирования в пределах выборки и вне выборки, а также сравнение точности прогнозов различных моделей временных рядов на основе критерия среднеквадратической ошибки, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим возврат (реверсию) к среднему временного ряда, а также прогнозирование нескольких периодов временного ряда, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим структуру авторегрессионных моделей и расчет прогнозов на ее основе, а также использование автокорреляции остаточных ошибок для проверки соответствия авторегрессионной модели временному ряду, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим авторегрессионные модели временных рядов, а также характеристики ковариантно стационарных временных рядов, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим факторы, определяющие выбор линейного или лог-линейного тренда для определенного временного ряда, а также оценку ограничений моделей трендов, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим прогнозирование временных рядов, смоделированных как логарифмический линейный тренд, а также особенности выбора и использования модели лог-линейного тренда, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим расчет и оценку прогнозируемого значения тренда для временных рядов, смоделированных как линейный тренд, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим концепцию временных рядов данных и фундаментальные вопросы анализа временных рядов при принятии финансовых и инвестиционных решений, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим качественные зависимые переменные, как работают регрессионные модели с такими переменными и как интерпретировать результаты таких регрессий, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим проблему ошибочной спецификации модели множественной регрессии, использующей временные ряды данных, а также влияние этой ошибки на результаты регрессионного анализа, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим, как ошибки спецификации модели множественной регрессии влияют на результаты регрессионного анализа, а также как избежать типичных ошибок неправильной спецификации модели, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим мультиколлинеарность, причины ее возникновения и последствия в регрессионном анализе, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим сериальную корреляцию (автокорреляцию), возникающую в регрессиях временных рядов, а также ее влияние на статистический вывод и методы ее устранения, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим типы гетероскедастичности, корректировку регрессии на гетероскедастичность и то, как гетероскедастичность влияет на статистический вывод, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим определение, интерпретацию и визуализацию фиктивных переменных в множественной линейной регрессии, а также проверку статистической значимости регрессионной модели с помощью фиктивных переменных, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим проверку значимости модели множественной линейной регрессии в целом (F-критерий), расчет и интерпретацию F-статистики и коэффициента детерминации в модели множественной регрессии, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим особенности прогнозирования зависимой переменной в модели множественной регрессии, основанной на предполагаемых значениях независимых переменных, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим допущения, которые определяют классическую нормальную модель множественной линейной регрессии, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим модель, формулы и примеры множественной линейной регрессии, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим особенности выбора подходящей функциональной формы простой линейной регрессии, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим функциональные формы простых линейных регрессий, которые включают преобразование независимых и зависимых переменных с помощью логарифма, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим прогнозирование значения зависимой переменной в простой линейной регрессии, а также создание интервалов прогнозирования, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим особенности выбора уровня значимости и опредеделения p-значений, а также ошибки I и II рода при проверке гипотез о коэффициентах линейной регрессии, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим проверку гипотез о коэффициентах линейной регрессии: точке пересечения (константе) и коэффициенте наклона, когда независимая переменная является индикаторной переменной, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим формулировку нулевой и альтернативной гипотезы о значении коэффициента наклона для линейной регрессии, а также принятие/отклонение нулевой гипотезы на заданном уровне значимости, - в рамках изучения количественных методов по программе CFA (Уровень II).

Использование дисперсионного анализа (ANOVA) в регрессионном анализе, интерпретация результатов ANOVA, а также расчет и интерпретация стандартной ошибки оценки в простой линейной регрессии, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим разложение общей суммы квадратов регрессионной модели на компоненты, а также расчет и интерпретацию коэффициента детерминации, F-статистику и стандартную ошибку простой линейной регрессии, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим допущения, лежащие в основе модели простой линейной регрессии, а также как остатки и графики остатков регрессии указывают на нарушение этих допущений, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим расчет и интерпретацию коэффициентов простой линейной регрессии (точка пересечения, наклон), а также сравнение перекрестной регрессии и регрессии временных рядов, - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим основы расчета простой линейной регрессии, построение линии регрессии, а также практический пример регрессионного анализа рентабельности активов (ROA) по капитальным затратам (CAPEX), - в рамках изучения количественных методов по программе CFA (Уровень II).

Рассмотрим простую линейную регрессию на примере анализа факторов, управляющих рентабельностью активов (ROA), - в рамках изучения количественных методов по программе CFA (Уровень II).

Раскрытия информации, содержащиеся в примечаниях к отчетности по IFRS и GAAP, содержат полезную информацию о возрасте и потенциальной полезности основных средств, принадлежащих компании. Используя эту информацию, финансовый аналитик может оценить общий возраст активов, принадлежащих компании и другие показатели.

US GAAP и IFRS требуют от компаний списания обесценившихся активов через признание убытка в отчете о прибылях и убытках. Рассмотрим различия в применении стандартов, а также влияние обесценения ОС и НМА на ключевые финансовые показатели и отчетность компании.

US GAAP и IFRS допускают использование различных методов амортизации основных средств. Рассмотрим порядок применения линейного, ускоренного и производственного метода амортизации, а также влияние этих методов на отчетность и финансовые показатели компаний.

Рассмотрим, как выбор между капитализацией и прямым списанием затрат на финансовый результат влияет на чистую прибыль, собственный капитал, общие активы, движение денежных средств от операционной и инвестиционной деятельности и различные финансовые коэффициенты.