
-
CFA三级
包含CFA三级传统在线课程相关提问答疑;
专场人数:1534提问数量:40926
第9章课后题第5题。题目中问,从Johnson谈到Garnier公司研究分析师时的话中,可以判断出【分析师】们有什么样的偏向性。Johnson的原话是,“如果她知道Garnier公司有多于一个的研究分析师支持购买某种股票,她对这种股票的风险承受力就会大幅上升”。正确答案是“Confirmation bias(确认性偏差)”。但我觉得Confirmation bias更适合用于形容Johnson本人,因为她需要以分析师们的支持,作为她对投资该股票的信心支撑,同时却忽略了那些不支持她购买该股票的信息。另一方面,我并不感觉Garnier公司的研究分析师们存在Confirmation bias,因为Johnson在谈话中并没有具体谈到分析师们的报告内容。
第9章课后题第2题。文章中给出了对3位客户的背景信息描述。从文章中的信息可以推断出,依照Pompian分类法,Perez和Patel属于PP型客户(风险容忍度较低,较为谨慎),Johnson属于AA型客户或II型客户(自信但投资组合不够分散化)。如果Johnson属于AA型客户,那么3位客户都更偏向于emotional bias,也就是传统问卷调查不适合任何一个客户。正确答案给出的是Perez适合传统问卷调查,但这个答案也就说明Perez不属于PP型客户了。莫非Perez属于FF型客户(因为他将自己较大的一部分资产投入到本公司的股票中去)?此外,尽管Patel已经是一个大富翁(billionaire),但他却依然有着较低的风险容忍度,这是否说明风险容忍度与一个人的财富水准并不完全相关,或Patel本身有着较强的Loss-aversion?
羊群效应(herding)和同调压力(social proof)两者都有从众心理的意义,它们的不同点在哪里呢?是不是social proof适用于投资委员会,而herding适用于一般投资者?亦或是social proof表示成员担心如果不从众,就会遭受孤立,而herding并没有这层意义?
已回答个人认为动量效应(Momentum)和代表性偏差(Representativeness bias)不仅在定义上相近,而且是相互影响、相互推动的关系。代表性偏差可能会引起动量效应,这是网课中所提到的内容,但如果投资者或者分析师认为动量效应确实存在(过去的业绩确实与未来的业绩呈正相关),并将其运用于实践当中,那么他们也有可能作出基于代表性偏差的投资决策。这样的理解是否正确呢?
请问,员工在购买本公司股票时的“忠诚效应(loyalty effect)”偏向是否可看作是禀赋偏差(endowment bias)的一种特殊形式?因为员工处于对公司的忠诚而购买本公司发行的股票,这在一定程度上也可以看作是员工对本公司(及其股票)产生了情感。
精品问答
- Risk Budget and risk parity 第二道思考题,里面的Variance是不是完全是个冗余信息,给来误导的呀?
- liability relatibe asset allocation这三种方式的区别是什么呀 怎么区分
- 老师,给最新的信息更高权重为什么不是availability bias呢?
- 第5题,从经济学公式X-M=(S-I)+(T-G)来看,如果经常账户赤字增加,不是意味着该国投资大于储蓄,或政府支出大于税收么,那么整体环境应该是好的,应该有利于资本的流入吧?为什么答案是反过来去赤字减少或盈余的国家呢?
- 她对个人笔记本电脑(personal laptop)进行了完整备份(full backup),并确保备份前已删除所有公司文件(all company files removed)。 目的:确保新备份中不包含任何前公司数据,避免合规风险。 遗留问题: 硬盘上的旧备份(previous backups)仍包含公司文件。 她不想因删除旧备份而丢失个人文件的备份历史(backup history for personal files)。 针对上述分析我有个疑惑,这个人不是已经在自己笔记本上备份了drive上的个人信息吗,怎么又Not wanting to lose the backup history for her personal files呢?他不是已经把自己的私人信息备份了吗!?
- 这里第二题的意思是三种方法都适用吗?没太理解,能否在讲解下
- 老师第二题 假设激励费的费率都一样 是不是soft会比hard好很多对于GP来说 GP会赚多得多的钱?
- 到底该怎么判断一类和二类错误?做的题目解答标准不一致啊,我看到另一道题的版本是 - 一类错误是做了错的事,二类是没做对的事。现在这一题,对于不合格的经理不采取行动,不就是二类错误 - 没做对的事吗?














