2025年全年FRM考试安排及费用明细分别是什么样的?下面一起来跟着小编的脚步来看看是不是有变化吧~

一、2025年FRM考试安排
2025年FRM考试时间已确定,以5月考期为例——FRM一、二级:2025年5月10日~5月20日。
二、FRM考试费用明细
报名费早鸟阶段报名费:$600标准阶段报名费:$800
其它费用首次报名注册费:$400(仅需支付一次)数据管理费:$10(中国考生首次报名需支付)地方行政附加税费:$40(中国考生每次报名均需支付)延期费用:$250/次
三、FRM考了有什么用?
①享受人才优惠补贴(部分城市为了吸引高端人才,FRM等持证人均被列为高端人才,享有人才优惠政策);
②拓展职业路径;(适用群体:银行中后台、金融机构风控、内控岗;总的来说,就是金融机构风控合规岗用的比较多)
③专业提升;(能系统学习金融风控知识,构建完整的金融风控知识体系)
④金融行业的黄金证书;(资管公司、私募基金、银行、互联网金融公司、保险、投行等金融机构获取高薪,frm是很好的背书)
四、FRM持证要求?
1)通过frm二级考试;
2)2年相关工作经验;
(所谓相关工作经验:例如资产管理公司、商业银行、咨询公司、企业、能源行业、政府机关、保险公司、投行、投资/商业银行、律师事务所、专业机构/协会、监管部门、证券公司、资产组合管理、审计、风险咨询(我的理解就是沾边就行)
(4)FRM报考条件是什么?不限专业、不限学历。
五、FRM怎么考?
1)考试形式;闭卷、计算机化考试、全英文考试;
2)考试科目FRM考试分为二级(FRM一级、FRM二级);
注意:
可以一并报名参加一级和二级的考试,但是只能在一级通过的情况下才会对二级进行阅卷,也就是说一级没通过的情况下,二级白考了。
六、FRM一级考试科目(四个科目)
考试结构:100道选择题,侧重基础理论与定量分析,考察考生对风险管理工具和概念的理解。
①风险管理基础(Foundations of Risk Management)
重点内容:风险管理的基本框架、企业风险管理(ERM)、金融灾难案例分析、道德与职业标准。
侧重点:理解风险管理核心概念及实际应用中的失败案例教训。
②定量分析(Quantitative Analysis)
重点内容:概率论与统计学(如分布、假设检验)、回归分析、时间序列分析、蒙特卡罗模拟。
侧重点:数学工具在风险管理中的应用,如VaR计算、回测方法。
③金融市场与产品(Financial Markets and Products)
重点内容:衍生品(期货、期权、互换)的定价与运用、利率机制、外汇市场、中央清算对手方(CCP)。
侧重点:金融工具的结构、交易机制及风险管理中的应用。
④估值与风险模型(Valuation and Risk Models)
重点内容:债券估值、期权定价模型(BS模型)、信用风险模型(如CreditMetrics)、波动率模型。
侧难点:模型假设的局限性及压力测试方法。
七、FRM二级考试科目(六个科目)
考试结构:80道选择题,侧重实务应用与案例分析,考察考生解决复杂风险问题的综合能力。
①市场风险管理与测量(Market Risk Measurement and Management)
重点内容:VaR(在险价值)、ES(预期短缺)、波动率曲面、压力测试、交易账簿风险。
侧重点:高级风险计量方法及巴塞尔协议对市场风险的规定。
②信用风险管理与测量(Credit Risk Measurement and Management)
重点内容:违约概率(PD)、信用衍生品(CDS、CDO)、信用估值调整(CVA)、对手方信用风险(CCR)。
侧难点:巴塞尔协议Ⅲ中的信用风险资本要求及模型验证。
③操作风险与弹性(Operational Risk and Resilience)
重点内容:操作风险分类(如欺诈、系统故障)、风险指标(KRI)、情景分析、巴塞尔协议下的操作风险框架(如AMA、SMA)。
侧重点:新兴风险(如网络风险)及业务连续性管理(BCM)。
④流动性风险管理(Liquidity and Treasury Risk Measurement and Management)
重点内容:流动性缺口分析、融资流动性风险、压力测试、流动性覆盖率(LCR)和净稳定资金比率(NSFR)。
侧重点:流动性危机的预警与应对策略。
⑤投资风险管理(Risk Management and Investment Management)
重点内容:投资组合风险(跟踪误差、风险预算)、对冲基金策略、ESG投资风险。
侧难点:多资产组合的风险分散与绩效评估。
⑥当前金融市场热点问题(Current Issues in Financial Markets)
重点内容:每年更新,近年涉及金融科技(如DeFi、AI模型风险)、气候变化风险、加密货币监管、机器学习在风险中的应用。
侧重点:结合最新案例,分析前沿风险议题的应对策略。