京公网安备 11010802034615号
经营许可证编号:京B2-20210330
金融分析师的核心知识可以归为四块:财务与估值、行业与公司研究、数据分析与建模、报告与沟通。这四块不是并列的课程清单,而是围绕同一份交付物咬合起来的——一份能被人复核的估值报告或行研报告。判断自己缺什么,最直接的办法是拿一份真实的上市公司年报,从三表勾稽做到可比公司估值,再写出一页结论,看卡在哪一步。
金融分析师的日常产出通常有三类:财务预测与估值模型、行业或公司深度报告、经营指标跟踪与点评。三类产出对应不同的知识重心。做估值,重在三表勾稽、关键比率、折现与可比公司法;做行研,重在行业空间测算、竞争格局、公司对比;做跟踪点评,重在指标口径、数据更新与异动归因。
由此倒推,知识清单不是“学得越多越好”,而是每一项都要能落到某个产出环节上。求职者常犯的错误是按工具罗列——Excel、SQL、Python挨个学一遍,却说不清每个工具服务于哪个交付物。更有效的做法是列出目标岗位招聘要求中的知识项,逐条标注它对应哪类产出,标不上的先放一放。
财务知识的第一层不是背比率,而是理解三张报表之间的勾稽关系:净利润如何进入所有者权益,经营性现金流如何与净利润衔接,资本开支如何影响折旧与现金流。勾稽关系理顺了,才能判断一家公司的利润含金量,而不是只看净利润增速。
第二层是关键比率与估值。比率要带口径:毛利率的分子分母是什么、期初还是期末、是否剔除非经常性损益。估值要写清假设:可比公司的选取标准、市盈率用的是静态还是动态、折现率怎么定。一个常见练习是选取一家上市公司,完成三表勾稽与关键比率计算,再搭建一张可比公司估值表。这张表的价值不在于数字多精确,而在于每个数字都能追溯到来源和计算过程。
行业研究的核心是把“这家公司好不好”拆成可比较的问题:行业空间多大、增长由什么驱动、竞争格局如何、公司在产业链中处于什么位置。公司对比则要求统一口径——同一行业的公司,收入确认方式、财年截止时间、汇率处理可能都不同,直接比比率会失真。
一个实用的训练是选三到五家同行业公司,用同一套指标做横向对比,并在报告里注明每项指标的取数来源与调整理由。这比泛泛读几篇研报更能暴露口径问题。
金融分析师的建模主战场仍是Excel:三表联动、敏感性分析、数据透视。Excel建模的关键不是函数技巧,而是结构清晰——假设区、计算区、输出区分开,改一个假设能自动传导到结论。
当数据量超出表格处理范围,或需要从数据库中取数时,SQL就派上用场。筛选、分组、表连接、子查询这几类操作,足以应付多数取数任务。统计分析则用于判断差异是否值得关注:描述统计看分布,参数估计看区间,避免把正常波动当成经营异动。
这部分能力的学习可以借助体系化课程梳理。CDA Level I中的数据分析思维、业务数据处理与透视、统计分析、指标体系构建、SQL数据库应用等模块,覆盖了从取数、清洗到指标拆解和报告呈现的基础环节,适合用来对照自己的知识缺口,再配合估值或行研练习把方法用起来。需要说明的是,课程模块是学习范围,不等于岗位职责;真正的掌握程度仍要看能否独立完成一份带数据来源和计算过程的分析报告。
指标体系的难点不在画图,而在定义。同一个“活跃客户数”,按交易口径、登录口径、去重规则不同,结果可能差出一大截。金融业务中常见的客户分群与经营指标分析,前提是先写清指标定义、统计单位和时间窗口,再谈可视化。
可视化报告的目标是让读者快速抓到结论和依据。一页报告通常包含:核心结论、关键指标及变化、支撑数据、口径说明。图表类型服从表达目的——比较用条形,趋势用折线,构成用堆叠,不为了好看堆图表。
分析师的价值最终体现在报告里。一份合格的报告,结论、依据、假设、局限四件事要分开写。结论一句话说清;依据附数据来源和计算过程;假设明确列出;局限说明哪些因素未纳入。这样读者才能复核,也才能在假设变化时快速更新结论。
沟通环节常被低估。同样的分析,面向投资经理和面向业务部门,详略和重点不同。练习时可以给自己设定读者对象,强制在一页纸内讲清结论和依据。
有财务基础的人,可以从估值建模切入,边做边补SQL和统计;没有财务基础的人,建议先过三表勾稽和关键比率,再进入建模,否则模型只是空壳。数据能力弱的人,优先补Excel透视和SQL取数,因为这两项直接卡住取数环节;统计判断可以随后补,用于解释差异。
无论哪条路径,检验标准是一致的:能否独立完成一份迷你分析报告,包含数据来源、计算过程、结论和口径说明。做完之后对照招聘要求逐项自查,缺口自然显现。
如果要选一个下一步,建议本周选一家自己熟悉的上市公司,完成三表勾稽、五个关键比率和一张三家公司可比估值表,写一页结论并注明每个数字的来源。这份练习的完成度,比任何知识清单都更能告诉你该补哪一块。
一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12一、什么是加权聚类 普通聚类默认"每个样本、每个指标都同等重要":距离公式里每个样本权重都是 1,每个指标在距离计算里占比相 ...
2026-11-12“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-12一、需求从哪来 做 Excel 报表时,"从一个透视表取数据"这个需求通常有三种来源: 汇总页引用:明细透视表在另一个 sheet,汇总 ...
2026-11-11一、透视表的价值在哪 一句话概括:数据透视表把"写公式汇总"变成了"拖字段看结果"。 传统做法要写 SUMIFS、COUNTIFS,改一个维 ...
2026-11-11核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-11核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-11一、回归分析到底在解决什么问题 很多人学回归分析,是从公式开始的:最小二乘法、残差平方和、R²、t 检验。公式记住了,但一到 ...
2026-11-10一、等级聚类法是什么 等级聚类法(Hierarchical Clustering),中文也叫系统聚类法、层次聚类法,是聚类分析里最经典的一类方法 ...
2026-11-10考试范围 PART 1 大数据基础理论 占比(8% ) a. 大数据分析基础(1%) b. Python 基础(5%) c. Linux & Ubuntu 操作系统基 ...
2026-11-10一、业务背景 在后台列表、管理系统、报表页面的分页需求里,前端通常需要两份数据:当前页的分页记录、符合筛选条件的数据总条 ...
2026-11-09一、需求看起来简单,实际坑不少 "把文本里所有中括号 [] 中间的内容提取出来"——这是文本清洗里最常见的需求之一。日志里的 [I ...
2026-11-09大数据分析师证书考什么 考试范围 PART 1 大数据基础理论 占比(8% ) a. 大数据分析基础(1%) b. Python 基础(5%) c. Li ...
2026-11-09CDA数据分析师 出品 作者:李诗怡 一、数据处理概述 定义: 在正式开展数据分析之前,对原始采集的数据进行整理、修正、加工和精 ...
2026-11-06一、为什么数据要先标准化 拿到一份数据,各列的量纲往往完全不同:年龄单位是"岁"(约 20~60),收入单位是"元"(几千到几万) ...
2026-11-06一、为什么 Python 成了统计分析的主流工具 十年前做统计分析,主流选择是 SPSS、SAS、Stata。现在越来越多的研究者、分析师转向 ...
2026-11-06核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-06“大学生必备证书有哪些”最容易被答成一张越长越好的清单。但校招筛选的真实逻辑是:证书要对应你投的岗位任务,并且在校期间确 ...
2026-11-05大学期间能报的证书,先别急着看“含金量榜单”。更实用的第一步是问:我现在这个身份、这个学历,符合报考条件吗? 很多证书宣 ...
2026-11-05大学期间能考的证书很多,但真正需要先回答的是两个问题:当前有没有报考资格,以及这张证书对应什么岗位任务。 前者决定你能不 ...
2026-11-05