本帖最后由 Olivia 于 2021-3-7 14:43 编辑
2020年12月PA考试出成绩也有一个星期了，好多同学朋友问，就简单写写自己备考过程。
取法其上，仅得其中；取法其中，仅得其下。我学习PA最开始的资料是ACTEX出版的Manual，由ProfessorAmbrose Lo原创，他参加2019年12月的PA考试，并取得10分满分的好成绩。我大部分方法都参照他的思路，2020年12月8日在杭州参加考试，拿到偏重数据分析的一套卷子，最后SOA给了8分。希望看到这篇文章的小伙伴都可以拿到至少6分通过考试吧（滑稽脸）~
Predictive Analysis是Machine Learning的一个分支，根据大量数据去通过数据处理和一些建模方法预测未来，从而对当前的实际生活或生产问题提供指导和建议。协会在人工智能时代潮流下与时俱进，推出了这一个新考试，并放在准精算师序列考试要求里。预测分析还是蛮有趣的，复习起来挺有意思。
所以我们如何复习PA比较有效呢？ 一份让考官满意的PA答卷 = 85%理解论述 + 15%R代码编程 | 时间管理到位
代码编程篇 1. PA考试对编程能力的要求不高，首先R编程是一款非常简单、容易上手的编程软件，其次SOA在考试的时候会提供大部分代码，我们只需要做一些简单修改或应用即可。有很大概率SOA每次考试会给一些全新的代码（主要在前面数据处理部分），看懂怎么使用，并正确运用就可以了； 2. 所以，掌握基本的R编程语句，以及PA考试会考到的GLM, Decision Tree, PrincipalComponent Analysis (PCA), Cluster Analysis这几大块对应的代码，就足够应对考试啦； 3. 写的R代码要能从头运行到尾，没有任何报错，并得出和提交的答卷一模一样的数字结果，不然判卷人会怀疑你答案的真实性。
理解论述篇 1. PA考试最重要的是充分理解考察的模型，并能流畅地应用和表述出来。因人而异，理解的过程所需时间不同，有些天分好的人看一遍就全懂了，但大部分人会需要结合题目去加深理解。题目做往年真题和SOA提供的sample，把里面东西都理解透彻，能够应用自如，很足够了。 2. Q：如何选择参考资料？ A：如果时间非常有限，可以考虑购买ACTEX出的PA Manual；如果想成系统地理解，强推那本经典参考书目：《AnIntroduction to Statistical Learning, with applications in R》。这也是SRM的书目，强推看英文原版，毕竟考试写paper也是英文。ACTEX的Manual好多是抄ISLR书上的表述，有时候抄得断章取义，让人感到困惑，到ISLR书里一看就全懂了。SOA官方的PAModules我基本没看，这个复习资料存在较大争议，但也有不少人觉得还可以。 3. Q：如何流畅而清晰地论述出来？ A：总结背诵真题答案。PA考试有几大块题型，真题的答案都是判卷人最喜欢的答案，按照题型去分类总结答案，理解性牢记于心。尤其是最后一题Executive Summary，SOA期望你写1个小时，但实际情况是很多人到最后都要来不及了，那么把Executive Summary的固定格式、套路都总结好，背诵下来，考场上才能游刃有余。下面的表格总结了选择的模型对应的真题答案，大家背两套就好，一套GLM，一套Decision Tree。 4. Q：如何准确应用？ A：每届试题都有全新的元素，考场上遇到没见过的知识点或者题目不要慌张，跟随题目的引导，自己沉着冷静仔细思考，全面考虑，尽量把握出题人的意图。
时间管理 1. 多进行模拟考试，给自己5h15min的时间，封闭训练，做一套反思总结一套。前期比较困难，觉得来不及写；随着熟练度提升和理解持续加深，到后期在规定时间内提交有质量的答卷变得越来越简单。 2. 实际考试300min，答卷100分，意味着平均3min/分，做题时刻看好时间，如果前面数据处理时间超过了3min原则，后面就要想办法把多用的时间补回来。不管是哪一道题，实际使用时间不能与假设使用时间（3min/分）有较大偏差。根据经验，大量的数据处理题最容易超时，比较好的建议是不要想着perfectlywell, 回答得reasonably well就好，继续下一题。
我写的都是方法论，实际知识点靠大家自己去把握啦~
自己当时考试体验不太好，12月的杭州考场不开空调，整个人在里面5个多小时没有出来，没有食物和水摄入，最后直接冻成了冰砖。但后来外面老爷爷说冷的话可以举手，他会帮忙开空调的，大家去杭州考的稍微注意下。
复习时间上，两个月会比较紧张些，三个月比较足够，但这也因人而异。
祝大家都能顺利通过PA考试！
| 
