企业官网建设流程全解析

简介：CFA核心词汇.pdf是一份面向金融从业者、投资者及CFA备考考生的专业术语速查手册，系统梳理金融、会计、投资、证券、保险等领域的核心词汇，帮助读者扫清英文术语理解障碍，提升备考效率与金融实务中的专业表达。压缩包内共1个PDF文档，大小仅3.29MB，内容排版以“英文术语—中文翻译—详情解释/例子”的对照形式呈现，方便离线查阅与碎片化学习。上线以来已有730人学习下载，适合需要快速入门或随时检索CFA核心概念的人群。词条覆盖Accelerated Depreciation、Accounts Receivable、Active Management等典型术语，部分难点还配有公式或应用场景说明，如Acid Test比率计算、Act of God Bond运作机制、Agency Problem代理冲突等，既有系统梳理也有查询功能，可作为一本轻量、实用的金融英语工具书。

1. CFA核心词汇：考纲术语表背后的知识结构

CFA核心词汇这份资源，表面上是一份英汉对照的金融术语表，实际价值远不止“背单词”。它覆盖了财务报表分析、固定收益、公司金融、投资组合管理、衍生品等CFA一级到三级的高频考点，每个词条都给出中文翻译、详情解释，部分还带公式或例子。对金融IT从业者来说，这份词汇表不仅仅是考试敲门砖，更是理解交易系统、风控模型、资管平台业务逻辑的速查字典——例如Accrual、Amortization、Basis Point这类术语，在债券定价引擎、报表系统和清算模块里天天出现。适合三类人：备考CFA需要系统梳理术语的考生；刚转入金融软件研发、需要快速补齐业务词汇的开发人员；以及做金融数据产品、需要准确映射中英文概念的产品经理。下文按术语分类逻辑、记忆方法、以及如何把PDF词汇表变成可查询、可复习的工具链展开，全程给出可直接操作的命令和参数。

2. 词汇分类与知识结构：从财务报表到衍生品的术语地图

2.1 财务报表类术语：资产负债表、损益表与现金流

这份词汇表里占比最大的一类，是围绕三大财务报表展开的术语。资产端有Accounts Receivable（应收账款）、Allowance For Doubtful Accounts（呆账准备金）、Inventory（库存）、Capital Asset（资本资产）；负债和权益端有Capital Lease（资本化租赁）、Retained Earnings（保留盈利）等。损益表相关的有After Tax Profit Margin（税后利润率）、COGS（已售商品成本）、Cash EPS（现金每股盈利）等。现金流相关的核心是Cash Flow（现金流）及其衍生词条，例如Cash Flow After Taxes（税后现金流）、Cash Flow Per Share（每股现金流）、Free Cash Flow（自由现金流，虽然在给定词条中未出现但属于同一知识族）。

理解这一类词条的关键在于逻辑关系，而非死记定义。例如Asset Turnover（资产周转率）的计算公式是总营业额除以总资产值，它衡量的是“资产产生收入的效率”；而Acid Test（酸性测试比率）则是（现金+应收账款+短期投资）除以流动负债，衡量的是不依赖库存变现的短期偿债能力。前者反映经营效率，后者反映财务安全，两个指标属于完全不同的分析维度。

词条中还有一个值得注意的点：Asset Coverage Ratio（资产偿付比率），它在给定词条中出现的形式是：（总资产账面值-无形资产-（流动负债-短期债务））/未偿还债务总额。这个比率在债券投资分析中经常被用来判断公司资产对债务的覆盖程度。IT从业者如果做信贷风控或债券评级系统，这类比率就是规则引擎里的核心指标。

2.1.1 术语的公式记忆法

对于带公式的术语，建议在读PDF时顺手抽出公式，建立一张“公式-术语”映射表。示例：

这种“术语-公式-场景”的拆解，比单独背英文单词效率高得多，尤其对已经具备财务基础、只是需要建立中英文映射的从业者来说，能大幅压缩复习时间。

2.2 投资策略与组合管理术语：主动与被动、收购与套利

第二大类词条集中在投资策略层面。Active Investing（积极投资）强调持续买卖以把握盈利机会；Active Management（积极管理）以超越基准收益率为目标；与之相对的则是Buy And Hold（买入并持有）这类被动策略。这里有一个容易混淆的地方：Active Income（活动收入）是指来自提供服务或实际参与业务的收入，属于税务概念，与Active Investing的投资策略概念完全不同。备考时要注意这类“同根不同义”的陷阱。

收购与套利类词条也值得专门梳理。Accretive Acquisition（具增值作用的收购项目）指能提高收购方每股盈利的收购；Acquisition Premium（收购溢价）是实际收购成本与收购前估值之间的差额；Arbitrage（套汇/套利）则是在不同市场同时买入卖出证券赚取差价。IT从业者做算法交易或套利监控系统时，ATP（Arbitrage Trading Program）这类词条会直接对应到实际交易策略模块，理解Buy-Side和Sell-Side的区分对系统角色设计也很关键——Buy-Side指共同基金、养老金等买方机构，Sell-Side指承销、研究等卖方服务。

2.2.1 期权术语的边界条件

词汇表中的期权类术语，需要特别关注“边界条件”的区分：

• American Option（美式期权）：有效期内随时可行权
• Asian Option（亚洲式期权）：收益取决于特定期间的平均价格
• At the Money（到价）：行使价格等于相关证券市价
• Average Price Call/Put（平均价格买入/出售期权）：收益为零或等于平均价格与行使价格之差

这些条件的差异直接影响期权定价模型的输入参数。研发期权定价系统时，如果你不清楚Asian Option和European Option的收益函数差异，模型输出的理论价格就会出现系统性偏差。

2.3 债券与利率术语：从基础概念到收益率计算的完整链路

债券类术语在词汇表中占据了相当大的篇幅，这与CFA考试对固定收益证券的重视程度一致。基础概念包括Bond（债券）、Bond Fund（债券基金）、Bond Option（债券期权）、Bond Rating（债券评级）、Bond Swap（债券互换）等。进阶概念包括Bond Anticipation Note（预期债券票据，简称BAN，在预期发行大型债券前发行的短期附息证券）、Bulldog Bond（猛犬债券，非英国企业在伦敦发行的英镑债券）、Callable Bond（可买回债券，发行人可在到期前赎回）。

收益率计算是这一块的技术核心。词汇表中提到Bond Equivalent Yield（债券等值收益），这是将折价债券的收益率转换为年度收益率的一个标准化方法。对IT开发人员来说，这个公式在债券交易系统里几乎是必写的：

def bond_equivalent_yield(face_value, purchase_price, days_to_maturity): """ 计算债券等值收益（BEY） """ discount = face_value - purchase_price yield_rate = (discount / purchase_price) * (365 / days_to_maturity) return yield_rate # 参数说明： # face_value: 债券面值，例如 1000 # purchase_price: 实际购买价格，例如 980 # days_to_maturity: 距离到期天数，例如 180 # 返回：年化收益率，例如 0.0412 表示 4.12%

代码逻辑：先计算折价金额，再除以购买价格得到持有期收益率，最后乘以(365/剩余天数)做年化扩充。注意这里用的是365天而不是360天，这是债券等值收益与货币市场收益率的一个重要差异，很多金融系统在实现时容易混用。此外，Basis Point（基点）定义为1%的百分之一，债券收益率从5.0%升到5.5%即50个基点——开发报表系统时，基点与小数点之间的换算必须严格：1 bp = 0.0001，而不是0.01。

2.4 公司金融与治理术语：代理问题、反收购与资本结构

公司金融板块的词条集中在资本结构、收购与治理三个维度。Capital Structure相关的有Capital（资本）、Capital Account（资本帐户）、Capital Adequacy Ratio（资本充足率）、Capital Appreciation（资本升值）、Capital Asset（资本资产）、Capital Asset Pricing Model（资本资产计价模型，CAPM）、Capital Budgeting（资本预算）、Capital Expenditure（资本开支）、Capital Gain（资本收益）、Capital Lease（资本化租赁）、Capital Markets（资本市场）、Capitalization（总资本/总市值）等。

治理类词条中，Agency Problem（代理问题）是一个核心概念——债券人、股东及管理人员因目标不同而产生的利益冲突。Affiliated Person（关联人士）指能影响企业活动的董事、行政人员及股东。Anti-takeover Measure（反收购措施）和Anti-takeover Statute（反收购法规）则涉及并购防御的系统性知识。IT从业者在做舆情监控或ESG数据产品时，这类术语会频繁出现在新闻分类和实体识别的标签体系里，例如Black Knight（黑武士）指对目标公司提出恶意收购的公司，这种标签在文本分析系统中需要专门维护一个同义词库。

3. 词汇记忆与自测工具：把PDF术语表转成可交互的Markdown表格

3.1 为什么要把PDF转成Markdown

直接翻PDF背单词的问题在于：无法快速检索、无法按字母或主题排序、无法做间隔重复。把PDF转成Markdown后，可以用VS Code、Obsidian等工具进行全文搜索，也可以进一步导入Anki做卡片记忆。这一步对IT从业者来说属于基本操作，但对备考者来说能显著提升复习效率。

3.2 PDF转Markdown的具体方法

常见做法是用Python的pdfplumber库提取文本，然后按“英文术语+中文翻译+详情解释”的条目结构做格式化。操作如下：

pip install pdfplumber pandas

import pdfplumber import re with pdfplumber.open("CFA核心词汇.pdf") as pdf: full_text = "" for page in pdf.pages: full_text += page.extract_text() or "" # 按行拆分，清洗空行 lines = [line.strip() for line in full_text.split("\n") if line.strip()] # 匹配术语条目（英文术语开头的行） entries = [] for line in lines: if re.match(r"^[A-Z][A-Za-z\s\-'()]*$", line): entries.append({"term": line}) else: if entries: entries[-1].setdefault("content", "").append(line) # 输出Markdown表格 with open("cfa_vocabulary.md", "w", encoding="utf-8") as f: f.write("| 英文术语 | 中文翻译 |\n|----------|----------|\n") for e in entries: term = e["term"] content = " ".join(e.get("content", []))[:50] # 截取前50字符作预览 f.write(f"| {term} | {content} |\n")

参数说明：pdfplumber的extract_text()在遇到分栏排版时可能提取顺序错乱，需要根据实际PDF版式调整；re.match的模式要求以大写英文字母开头，如果原文中存在数字开头的词条（如12b-1费用），需要额外加一个匹配分支——词汇表中确实出现了“12b-1费用”这类数字开头的词条，清理时要注意。输出Markdown表格时，内容字段如果包含竖线|会导致表格破裂，需要先做转义处理：

content = content.replace("|", "\\|")

3.3 用脚本做词条分类统计

转成结构化数据后，可以按首字母或按业务领域做统计，快速掌握词汇分布：

from collections import Counter # 统计首字母分布 letters = [e["term"][0].upper() for e in entries if e["term"]] letter_freq = Counter(letters) for letter in sorted(letter_freq): print(f"{letter}: {letter_freq[letter]}")

这样能快速看出词表覆盖的字母分布是否均匀。如果某个字母的词条数量异常集中（例如C和A开头的词条特别多），说明这部分内容更偏向会计或公司金融，复习时需要额外留意。

4. 基于间隔重复的词汇管理系统：从Markdown到Anki导入

4.1 Anki卡片生成脚本

间隔重复是记忆术语类知识最有效的方式。把Markdown词汇表转为Anki的CSV导入格式，是一个标准做法。Anki导入的CSV格式为“正面,反面”，第一行通常是字段名。

pip install genanki

import genanki import csv import re # 解析之前的Markdown表格（或直接读取CSV） def parse_md_table(md_path): with open(md_path, "r", encoding="utf-8") as f: lines = f.readlines() entries = [] for line in lines[2:]: # 跳过表头 line = line.strip() if not line or not line.startswith("|"): continue parts = [p.strip() for p in line.split("|")[1:-1]] if len(parts) >= 2: entries.append((parts[0], parts[1])) return entries # 定义Anki模型和牌组 model = genanki.Model( 1607392319, "Simple Model", fields=[ {"name": "Term"}, {"name": "Definition"}, ], templates=[ { "name": "Card 1", "qfmt": "{{Term}}", "afmt": "{{FrontSide}}<hr id=answer>{{Definition}}", }, ], ) deck = genanki.Deck( 2059400110, "CFA核心词汇" ) # 添加卡片 entries = parse_md_table("cfa_vocabulary.md") for term, definition in entries: note = genanki.Note( model=model, fields=[term, definition] ) deck.add_note(note) # 导出 genanki.Package(deck).write_to_file("CFA核心词汇.apkg")

代码说明：genanki.Model定义卡片的字段和正反面模板；qfmt为问题面（英文术语），afmt为答案面（中文翻译加详情）。导入Anki后，建议将学习间隔设为“新增15张/天、最大间隔90天”，这是记忆类内容比较常用的参数。如果词汇表有重复词条，导入前需要先去重，Anki本身遇到重复卡片不会报错，但会造成复习负担。

4.2 常见问题与排错

• PDF提取出现乱码：通常是PDF字体编码问题，可用pdfplumber的chars属性逐字符提取后再拼装，或者改用camelot/tabula读取表格型PDF。
• 词条换行导致匹配失败：原PDF中“English Terms中文翻译详情解释”的格式并不统一，有的词条跨两行，建议按“英文术语单独一行 + 后续行为详情”的模式用状态机处理，而不是简单逐行匹配。
• CSV导入Anki乱码：Anki导入CSV时默认按UTF-8编码，Windows系统下Excel编辑过的CSV可能是GBK编码，导入前先转码：

iconv -f GBK -t UTF-8 cfa_vocabulary.csv > cfa_vocabulary_utf8.csv

5. 词条记忆的进阶验证：用SQL对词汇表做多维分析

把词汇表导入SQLite，可以用SQL做多维度的复习分析。这个思路适合偏数据工程的考生，能够在记忆术语的同时练一下SQL基本功。

sqlite3 cfa.db <<EOF CREATE TABLE vocab ( term TEXT, cn TEXT, detail TEXT, letter TEXT ); .mode csv .import cfa_vocabulary.csv vocab EOF

导入后可以执行一些分析语句：

-- 按首字母统计词条数量 SELECT substr(term, 1, 1) AS first_letter, COUNT(*) FROM vocab GROUP BY first_letter ORDER BY COUNT(*) DESC; -- 查找详情中包含公式的词条 SELECT term, cn FROM vocab WHERE detail LIKE '%=%' OR detail LIKE '%计算%' ORDER BY term;

参数说明：substr(term, 1, 1)提取首字母；LIKE '%=%'匹配详情中包含等号或计算字样，这些通常是在讲公式的词条，优先强化。在SQLite中跑这种查询的好处是熟悉了SQL窗口函数、字符串处理函数的同时，所有分析逻辑可复现。如果后续做数据可视化，还可以用这个SQLite文件直接接入Superset或Metabase做仪表板，按字母分布、按业务分类可视化学过的词条覆盖度。

6. 用“上下文法”串联同根词条：从Accrual到Acquisition的语义网

最后一个技巧，是利用词汇表本身建立同根词条的语义网。PDF词条是按字母排列的，但词汇在网络中是按语义关联的。比如“Accelerated Depreciation（加快折旧）”与“Amortization（摊销）”是一组关联概念，前者针对有形资产，后者针对无形资产，但它们在词汇表中相距甚远。建议在复习时手动建立关联对：

这种关联法对两类人尤其有效：一是备考后期需要把零散词条串成知识网络的考生；二是做金融知识图谱的研发人员——这些关联对可以直接映射为图数据库中的实体关系，例如在Neo4j中，可以把“Accelerated Depreciation”和“Amortization”建立RELATED_TO关系，为后续做语义搜索打底。复习时，可以针对每一组关联词条写一段包含两个以上术语的应用场景描述，比如写“某公司对设备采用Accelerated Depreciation，导致早期折旧费用偏高，Asset Turnover被低估”，这比单独背定义更能形成长期记忆。词汇表只是原料，把它拆成公式、关联、场景三个层次后，才能在考试和实际业务中真正用起来。

本文还有配套的精品资源，点击获取