INV-101 Comprehensive Exam Guide — ทุก LO ตั้งแต่ 1a ถึง 3c (ไทย)

INV-101 COMPREHENSIVE EXAM GUIDE

สอบ: 24 July 2026 | เหลือ ~3 เดือน | น้ำหนัก: 50 คะแนน | 8 ข้อ

---

โครงสร้างข้อสอบ

Topic	น้ำหนัก	LOs	แก่น
1. Asset Classes	25–35%	1a, 1b	ลงทุนใน “อะไร”
2. Portfolio Construction & Management	30–50%	2a–2l	สร้าง/จัดการ portfolio “ยังไง”
3. Credit Risk Management	20–40%	3a–3c	วัด/จัดการ credit risk “ยังไง”

Topic 2 คือหัวใจเลยนาย — F2025 กิน 58% (29/50 คะแนน)

คำสั่งที่ออกบ่อยสุด: “Critique” (ออก 5 จาก 8 ข้อใน F2025), “Compare”, “Recommend & Justify”

Excel คำนวณเยอะมาก: F2025 มี 6 parts ใน 3 ข้อที่ต้องทำ spreadsheet

---

TOPIC 1: ASSET CLASSES (25–35%)

---

LO 1a — Fixed Income Investments

แก่นของ LO นี้

ต้องเข้าใจ fixed income asset classes ทุกประเภท — corporate bonds, leveraged loans, private debt, high-yield bonds, mortgages (residential & commercial), MBS (RMBS/CMBS), CLOs, repos — แล้วเอามา compare ข้ามกันได้ด้วย

ต้องรู้อะไรบ้าง (Core Knowledge)

1. Corporate Bonds

• Make-Whole Call (MWC) vs. Fixed-Price Call — MWC ดีต่อนักลงทุน (call price = PV ที่ rate ต่ำ), Fixed Call แย่กว่า
• Deferred coupon มี 3 แบบ: Deferred-Interest (zero 3–7 ปี), Step-Up (coupon เพิ่มตาม schedule), PIK (จ่ายด้วย bond ใหม่แทน cash)
• Credit spread = credit risk + liquidity premium + embedded options (ไม่ใช่ credit risk อย่างเดียวนะ)
• Sinking fund = early redemption ตามกำหนด (ไม่ใช่ที่ maturity)

2. Leveraged Loans & CLOs

• Assignment vs. Participation — Assignment ดีกว่า (โอนสิทธิ์เต็ม, ราคาดี), Participation มี credit risk เพิ่ม
• CLO เป็น bankruptcy-remote SPV — ล้มละลายไม่ได้ APR ไม่ apply
• Covenant-Lite = covenant น้อย = riskier สำหรับ lender
• 5 Covenant purposes: Capital Preservation, Excess Capital Application, Business Risk Control, Performance Monitoring, Reporting

3. Private Debt vs. High-Yield Bonds (ออกบ่อยมาก)

• Private Debt: floating rate, illiquid, มี covenant เยอะ, มี illiquidity premium
• HY Bonds: fixed rate, liquid, public market, transparent, rated
• ถ้าโจทย์ต้องการ transparency/liquidity → เลือก HY (ไม่ใช่ Private Debt เสมอนะ)

4. Mortgages

• Residential vs. Commercial — มี 4 ความต่างหลัก: ขนาด, แหล่งรายได้, ความซับซ้อนของผู้กู้, ความเกี่ยวข้องของรัฐ
• Non-recourse mortgage = borrower’s put option — ผู้กู้ default ได้ โดย lender ไล่เก็บทรัพย์สินอื่นไม่ได้
• Commercial: low prepayment risk (มี lockout/defeasance), high default/balloon risk
• Residential: high prepayment risk, ขึ้นกับ credit score/LTV/DTI

5. MBS (RMBS/CMBS)

• Negative convexity ของ MBS — rates ลง → prepay เร็ว (reinvestment risk), rates ขึ้น → extend (extension risk)
• Subordination = junior tranche รับ loss ก่อน → ปกป้อง senior
• CMBS vs. RMBS: basis ของ creditworthiness ต่างกัน (NOI vs. FICO/DTI), prepayment risk ต่างกัน
• PSA cash flow pipeline (ต้องทำใน Excel ได้): PSA speed → CPR → SMM → Scheduled Principal → Prepayment → Interest → Total CF
• CMO sequential tranche: T1 รับ principal ก่อนหมด แล้วค่อย T2, T3

6. Repos & Dollar Rolls

• Repo = ขาย security + buy back ที่ราคาสูงกว่า (ส่วนต่าง = interest)
• Credit risk mitigation: Haircut/OC + Mark-to-market
• Dollar Roll: MBS-specific, ไม่ต้อง return bond ตัวเดิม (substantially identical), 100% financing
• Repo rate drivers: collateral quality, term, market rates

ออกสอบบ่อย (Frequently Tested)

1. Compare & Contrast pairs: Residential vs. Commercial mortgage, Private Debt vs. HY, MWC vs. Fixed Call, Assignment vs. Participation, CMBS vs. RMBS
2. Subordination calculation — Subordination = (Pool par − Senior par) / Pool par (เปลี่ยนตามเวลา)
3. CLO = bankruptcy remote (ออกซ้ำ F2020 Q3, F2023 Q12)
4. PSA cash flow + CMO tranche allocation ใน Excel (F2025 Q1 = 8 คะแนน สูงสุดในข้อสอบเลย)
5. Critique: “MBS eliminates interest rate risk” → ผิด เพราะมี prepayment risk/negative convexity

Exam Tip สำคัญ

• Critique ต้องมี verdict ชัดๆ (Agree/Disagree) + mechanism + implication
• Compare ต้องจบด้วย portfolio context — เช่น “สำหรับ insurer ที่มี long-term illiquid liabilities, Private Debt ดีกว่าเพราะ…”
• Subordination calculation เปลี่ยนตามเวลา — ต้อง update ทั้ง pool par และ senior par ก่อนคำนวณ

---

LO 1b — Equity & Alternative Investments

แก่นของ LO นี้

ต้องเข้าใจ Public Equity, Private Equity (VC & LBO), Real Estate, Hedge Funds — ทั้ง structure, valuation, risk และ portfolio role

ต้องรู้อะไรบ้าง (Core Knowledge)

1. Private Equity

• VC vs. LBO — VC: startup/tech, high risk, minority stake; LBO: mature, stable cash flow, control 100%, ใช้ leverage
• LBO candidate criteria: stable CF, mature industry, low D/E, low P/B, มี operational efficiency potential
• Fee structure: Management fee = 2% บน COMMITTED capital (ไม่ใช่ invested นะ!), Carry = 20% above hurdle
• J-Curve: ปีแรกๆ ขาดทุน (fees + early failures) → recover → exit gains
• Clawback: LP เรียก carry คืนได้ตอน fund liquidation ถ้า performance ไม่ดี
• Moral hazard: incentive fee = call option → GP มีแรงจูงใจเสี่ยงเกินไป
• Distribution waterfall: Return capital → Preferred return → Catch-up → Residual split
• Direct vs. Indirect: Pension ควรเลือก indirect (fund) — ขาด expertise ทำ direct เอง

2. Real Estate

• IV vs. MV — MV = ราคาตลาด (เหมือนกันทุกคน), IV = มูลค่าสำหรับ “นาย” (ต่างกันตามนักลงทุน)
• 4-Quadrant Model: Short-term: supply คงที่ → demand ↑ → rent ↑; Intermediate: rent ↑ → price ↑ → construction ↑ → stock ↑ → rent กลับลงบ้าง
• “Risk resides in the asset, not the investor” — REIT-level OCC ≠ property-level OCC สำหรับ new acquisition
• REIT NAV = Value of Properties − Liabilities; Differential = NAV − (Share Price × Shares)
• REIT prices are mean-reverting — ห้ามใช้ momentum strategy สำหรับ long-term investor
• Income vs. Capital Gains: income = bulk ของ return; capital gains = bulk ของ volatility (ออกสอบบ่อยมากๆ)
• After-tax analysis: Depreciation (tax-deductible, ไม่ใช่ cash), CapEx (cash, ไม่ deductible), Principal Repayment (cash, ไม่ deductible)

3. Hedge Funds

• Strategy types: Macro, Event-Driven (Merger Arb, Distressed, Activist), Relative-Value (Convertible Arb), Equity Hedge (L/S, Market-Neutral, Short-Selling)
• Distressed debt มี equity risk — ซื้อ debt ถูกๆ แล้วแปลงเป็น equity → portfolio ที่ต้องการ minimize equity risk ห้ามมี distressed debt
• Sharpe Ratio gaming 5 วิธี: ยืด interval, write OTM options, smooth returns, compound vs. non-compound, total return swap
• Moral hazard จาก HWM: risk-taking incentive สูงสุดเมื่อ ต่ำกว่า HWM มากๆ

ออกสอบบ่อย (Frequently Tested)

1. LBO candidate assessment — ต้อง reference ตัวเลขจาก vignette (P/B, D/E, margin)
2. VC compensation calculation — management fee บน COMMITTED capital (กับดักเลย!)
3. IV vs. MV + negotiation strategy 3 scenarios
4. “Risk resides in the asset” — REIT OCC critique (F2025 Q2e)
5. Income vs. Capital Gains ใน RE — income = bulk of return, capital gains = bulk of volatility
6. HF strategy recommendation — ต้อง match investor constraints กับ strategy features
7. Cross-LO: HF + Sharpe Ratio (LO 1b + 2k ออกพร้อมกัน)

Exam Tip สำคัญ

• “Recommend” ให้คะแนนที่ justification ไม่ใช่แค่ชื่อ strategy
• Management fee trap: ใช้ committed capital เสมอ ไม่ใช่ invested capital
• RE questions มักต่อเนื่อง — part (a) feed ไปหา (b) feed ไปหา (c)

---

TOPIC 2: PORTFOLIO CONSTRUCTION, MANAGEMENT & ASSESSMENT (30–50%)

---

LO 2a — Portfolio Management Process & Governance

แก่นของ LO นี้

PM process มี 3 ขั้นตอน: Planning → Execution → Feedback + governance structure + decision rights

ต้องรู้อะไรบ้าง

• Planning (4 substeps): Set objectives → Create IPS → Form Capital Market Expectations → Determine SAA
• Execution: Construct portfolio, implement trades
• Feedback: Monitor, rebalance, evaluate performance
• Governance: fiduciary duty, accountability, oversight, decision rights
• Economic vs. Traditional Balance Sheet (ใหม่ใน F2025): Economic รวม “extended” assets (human capital, PV pension, PV inheritance) และ liabilities (PV future consumption)
• Economic Net Worth = Extended Assets − Extended Liabilities

ออกสอบบ่อย

• “Describe the PM process” = list 3 stages + planning substeps
• F2025 Q3(a): ถาม economic vs. traditional balance sheet — คำว่า “extended” คือ keyword สำคัญ

---

LO 2b — Investment Policy Statement (IPS)

แก่นของ LO นี้

IPS คือ governance document หลัก — กำหนด objectives (return + risk) + constraints (LLT-T-U)

ต้องรู้อะไรบ้าง

• Return Objective: pension = actuarial discount rate; endowment = spending rate + inflation
• Risk Objective: pension/insurer = surplus volatility หรือ shortfall risk (ไม่ใช่ σ ของ assets อย่างเดียว)
• 5 Constraints (LLT-T-U):
  • Liquidity — ต้องการเงินสดเมื่อไหร่
  • Legal/Regulatory — กฎหมายที่เกี่ยวข้อง
  • Time Horizon — ยาว/สั้น, milestones
  • Tax — taxable/exempt
  • Unique — สถานการณ์เฉพาะ

ออกสอบบ่อย

1. “Develop an IPS” — ต้องครบ 5 constraints ทุกตัว + justify ด้วย case facts
2. “Evaluate asset X against IPS constraints” — ใช้ LLT-T-U เป็น checklist
3. Constraints ต้อง specific — ห้ามเขียนแค่ “time horizon matters” ต้องบอกว่า “3 years for education, 10 years for inheritance”

---

LO 2c — Portfolio Construction (SAA, TAA, Rebalancing)

แก่นของ LO นี้

SAA (long-term policy mix) vs. TAA (short-term deviations) + rebalancing methods

ต้องรู้อะไรบ้าง

• SAA = long-term, meet objectives, passive weights, มาจาก IPS
• TAA = short-term, exploit predictions, active weights, ต้อง risk budget
• Asset-Only vs. LDI: Asset-Only สำหรับ endowment; LDI สำหรับ pension/insurer ที่มี liabilities
• Rebalancing primary purpose = RISK CONTROL (ไม่ใช่ enhance returns นะ)
• Calendar vs. Percentage-of-Portfolio rebalancing
• Corridor width factors: transaction costs ↑ → wider; correlation ↑ → narrower; volatility ↑ → narrower

ออกสอบบ่อย

• Compare SAA vs. TAA (2 dimensions: time horizon + goal)
• “Rebalancing enhances returns” → ผิด — primary purpose = risk control

Pitfall สำคัญ

• Goals-Based approach ไม่อยู่ใน syllabus (excluded CFA Ch 5, §6.3) — อย่าพูดถึงเด็ดขาด

---

LO 2d — Optimal Portfolio Allocation (MVO, Black-Litterman, Heuristics)

แก่นของ LO นี้

คำนวณและแนะนำ optimal allocation ใน risk-return framework — MVO, surplus optimization, B-L, risk budgeting

ต้องรู้อะไรบ้าง

1. MVO (Mean-Variance Optimization)

• Utility function: U = E(R) − 0.5λσ² — เลือก portfolio ที่ utility สูงสุด
• GMVP = portfolio ที่ σ ต่ำสุดบน efficient frontier
• Tangency Portfolio = จุดที่ CML สัมผัส efficient frontier (highest Sharpe)
• CML: ผสม risk-free + tangency portfolio → dominate efficient frontier
• Corner Portfolio Theorem: interpolate weights ระหว่าง 2 corner portfolios สำหรับ target return

2. MVO Flaws & Solutions

• Flaw 1: Input sensitivity — E(R) เปลี่ยนนิดเดียว weights เปลี่ยนเยอะ
• Flaw 2: Concentration — output มักกระจุกอยู่ใน asset classes น้อยๆ
• Reverse Optimization: derive implied E(R) จาก market-cap weights → stable, diversified
• Black-Litterman: เริ่มจาก reverse optimization + blend manager’s views (Bayesian)
• Resampled MVO: Monte Carlo simulation สร้าง efficient frontiers หลายรอบ → average

3. Surplus Optimization (สำหรับ ALM)

• ใช้สำหรับ pension/insurer ที่มี liabilities
• Risk = surplus volatility (ไม่ใช่ asset volatility อย่างเดียว)
• ρ_{A,L} (asset-liability correlation) เป็นตัวแปรสำคัญ — สูง = hedge ดี = surplus volatility ต่ำ
• Two-Portfolio Approach: Hedging Portfolio (defease liabilities) + Return-Seeking Portfolio (surplus)

4. Heuristics

• Risk Parity: จัดสรรตาม risk contribution เท่ากัน → ignores E(R) = flaw หลัก
• Risk Budgeting: optimal เมื่อ E(R)/MCTR เท่ากันทุก asset class (รวม E(R) ด้วย)
• 1/N: equal weight ทุก asset class → simple แต่ไม่ optimal

ออกสอบบ่อย

1. Calculate utility → เลือก portfolio ที่สูงสุด (F2025 Q3c — free points ถ้าไม่ผิดเลข)
2. “Current portfolio = GMVP” gotcha — ถ้า current portfolio คือ GMVP แล้ว rebalance risky assets ยังไงก็ risk เพิ่ม
3. Asset-only vs. Surplus — pension/insurer ต้องใช้ surplus (เลือก portfolio ที่ ρ_{A,L} สูง ไม่ใช่ σ_A ต่ำ)
4. Corner Portfolio interpolation — linear interpolation weights สำหรับ target return
5. B-L critique: แก้ input sensitivity ไม่ใช่ non-normality

---

LO 2e — Yield Enhancement, Liquidity, Leverage

แก่นของ LO นี้

วิธีเพิ่ม yield ใน FI portfolio: capture liquidity premium, leverage (repos), tax-loss harvesting

ต้องรู้อะไรบ้าง

• Liquidity premium: ย้ายจาก liquid bonds → illiquid bonds; เหมาะสำหรับ long-horizon buy-and-hold
• Leverage formula: r_p = r_I + (B/E)(r_I − r_B) — ต้อง manipulate ได้ (solve r_p, r_I, หรือ leverage ratio)
• Repo rate drivers: collateral quality ↓ → rate ↑; term ↑ → rate ↑; market rates ↑ → rate ↑
• Fire sale risk: margin call → forced liquidation ที่ราคาต่ำ → ความเสี่ยงหลักของ leverage
• Tax-loss harvesting: ขาย loss → offset gains; เหมาะสำหรับ taxable client
• Inverse Floater vs. IRS (receive-fixed) (ใหม่ F2025): ทั้งคู่มี embedded leverage, เสียมูลค่าเมื่อ rates ขึ้น; IRS ดีกว่าเรื่อง capital efficiency + liquidity
• Bond ETF for cash drag: ลงทุนชั่วคราวเมื่อ cash inflows มาก → ลด cash drag

ออกสอบบ่อย

1. Leverage formula manipulation (F2022 Q6)
2. Repo rate factors ที่ทำให้ drag on returns
3. Inverse Floater vs. IRS comparison (F2025 Q4a-b)
4. Bond ETF use case (F2025 Q4c)

---

LO 2f — Fixed Income Indexing

แก่นของ LO นี้

FI indexing ยากกว่า equity indexing เยอะ — full replication ทำไม่ได้จริง; ต้องใช้ enhanced indexing + stratified sampling

ต้องรู้อะไรบ้าง

• Full Replication ทำไม่ได้: bonds illiquid, มี 16,000+ securities, transaction costs สูง
• Enhanced Indexing / Stratified Sampling: ซื้อ subset ที่ match primary risk factors
• 6 Primary Risk Factors: (1) Modified/Effective Duration, (2) Key Rate Duration, (3) Sector & Quality Weights, (4) Spread Duration, (5) Issuer Exposure, (6) Cash Flow Distribution
• 5 Enhancement Strategies: (1) Lower Cost, (2) Issue Selection, (3) Yield Curve Positioning, (4) Sector/Quality Positioning, (5) Call Exposure Positioning
• Bums Problem: value-weighted bond index → over-weight ผู้ออกหนี้มากที่สุด = critique หลักของ passive FI
• Dollar duration: manage duration ด้วย bonds + futures

ออกสอบบ่อย

1. “List 6 approaches to reduce tracking error” — pure recall ของ 6 primary risk factors (S2023 Q1)
2. Critique full replication — infeasible, cost-prohibitive, มี bums problem
3. Enhancement strategies — ต้องจำ 5 ตัว
4. Dollar duration management ใช้ futures

---

LO 2g — Passive Equity Investing

แก่นของ LO นี้

วิธีสร้าง passive equity portfolio — construction methods, index weighting methods, tracking error

ต้องรู้อะไรบ้าง

3 Construction Methods (trade-off: TE vs. cost):

1. Full Replication: lowest TE, highest cost; เหมาะสำหรับ liquid concentrated index (S&P 500)
2. Stratified Sampling: higher TE, lower cost; เหมาะสำหรับ large illiquid index
3. Optimization: lower TE กว่า sampling (ใช้ correlation), แต่มี model risk

4 Weighting Methods + Biases:

• Price-Weighted: bias ไปหา high-price stocks
• Market-Cap (Value-Weighted): bias ไปหา large/overvalued stocks
• Equal-Weighted: bias ไปหา small/value stocks
• Fundamental-Weighted: bias ไปหา value stocks

Tracking Error Drivers (Passive Fund):

• MER (fee drag), Withdrawals (weight distortion), Deposits (cash drag)

Hidden Dangers of Passive (INV101-104-25):

• Market efficiency ลดลง, blind allocation, over-valuation, systemic risk จาก crowding

ออกสอบบ่อย

1. Weighting methods + biases (F2024 Q9, S2021 Q1)
2. Construction method comparison (F2024 Q9)
3. Hidden Dangers (F2024 Q5) — ต้องอ้าง INV101-104-25
4. TE calculation จาก returns data ใน Excel (F2025 Q5a)
5. TE drivers ใน passive fund: MER, Withdrawals, Deposits (F2025 Q5b)

---

LO 2h — Active Equity Investing

แก่นของ LO นี้

Active equity strategies + style analysis methods

ต้องรู้อะไรบ้าง

Approaches:

• Fundamental (Discretionary): human judgment, in-depth research, universe เล็ก
• Quantitative (Systematic): rules-based models, universe กว้าง

Strategies:

• Value vs. Growth: Value Trap (cheap แต่ fundamentals เลวลง) vs. Growth Trap (growth ไม่เกิดจริง / priced in แล้ว)
• Factor-Based: ต้อง justify factor ตาม specific business context (ไม่ใช่ list factors generic)
• Activist: unlock value ด้วย balance sheet manipulation — (1) break up conglomerate, (2) restructure balance sheet

Style Analysis:

• Holdings-Based (HBSA): ดูจากหุ้นที่ถือ ณ ปัจจุบัน; accurate + current; ต้อง transparency
• Returns-Based (RBSA): regression ย้อนหลัง; ดูง่ายกว่า; แต่เป็น historical average → miss style drift
• Style Drift: ถ้า RBSA ≠ claimed style → ใช้ HBSA confirm current style

ออกสอบบ่อย

1. Factor justification for specific context (F2025 Q4d — poor performance เพราะตอบ generic list)
2. Activist appropriateness evaluation — ต้องดู constraints ของ firm (AUM, expertise) (F2025 Q5d)
3. HBSA vs. RBSA comparison (F2021 Q8)
4. Value Trap vs. Growth Trap definitions

Exam Tip สำคัญ

• “Evaluate appropriateness” = apply firm constraints — ห้ามอธิบาย strategy แบบ generic; ต้อง match กับ firm’s AUM, expertise, regulatory constraints

---

LO 2i — Performance Measurement

แก่นของ LO นี้

วัดผล portfolio performance — TWR vs. MWR, 6 appraisal ratios

ต้องรู้อะไรบ้าง

TWR vs. MWR:

• TWR = compound return ของ 1 หน่วยเงิน; ไม่ขึ้นกับ cash flows → วัด manager skill
• MWR (IRR) = return จริงที่ client ได้; ขึ้นกับ timing ของ cash flows → วัด client growth
• เลือก TWR สำหรับ evaluate manager (manager คุม cash flow ไม่ได้)

6 Appraisal Ratios:

Ratio	ตัวตั้ง	ตัวหาร	ใช้เมื่อ
Sharpe	R_p − R_f	σ_p (total risk)	Total portfolio
Treynor	R_p − R_f	β_p (systematic risk)	Sub-portfolio เพิ่มเข้า diversified fund
Information Ratio	R_p − R_B	σ(R_p − R_B)	Active manager skill
Jensen’s Alpha	R_p − [R_f + β(R_m − R_f)]	—	Abnormal return
Appraisal Ratio	Alpha	σ(ε) (unsystematic risk)	Alpha per unit of diversifiable risk
Sortino	R_p − Target Rate	Semi-σ (downside only)	Downside risk focus

ออกสอบบ่อย

1. TWR vs. MWR — “Which is appropriate for manager evaluation?” (TWR เสมอ)
2. Sortino numerator ใช้ target rate ไม่ใช่ risk-free rate (common mistake ที่สุดเลย)
3. Calculate + recommend manager ด้วย Sharpe/Treynor/Sortino (F2025 Q6e)
4. Sharpe Ratio gaming (cross-ref HF questions)

---

LO 2j — Benchmark Selection

แก่นของ LO นี้

คุณสมบัติของ valid benchmark + critique peer groups

ต้องรู้อะไรบ้าง

7 SAMURAI Properties:

1. Specified in advance
2. Appropriate
3. Measurable
4. Unambiguous
5. Reflective of current investment opinions
6. Accountable (manager accepts)
7. Investable

5 Benchmark Types: Market index, Factor-based, Returns-based, Manager universe (peer group), Custom

Peer Group Critique (ออกบ่อยมาก):

• Not investable, Not specified in advance, Not unambiguous, Survivorship bias

Benchmark Misspecification → Misfit Risk:

• ใช้ broad market index สำหรับ style manager → เกิด misfit risk
• Total Active Risk² = True Active Risk² + Misfit Risk²

ออกสอบบ่อย

1. List 4 of 7 SAMURAI (F2023 Q13)
2. Critique peer group — 3 automatic fails + survivorship bias
3. Misfit Risk formula (ออก 4+ ครั้ง: F2020, F2021, F2022, F2024)

---

LO 2k — Performance Attribution

แก่นของ LO นี้

แยก excess return ออกเป็น sources: allocation, selection, interaction

ต้องรู้อะไรบ้าง

Style/Active Decomposition:

• Style Return = R_B − R_M (benchmark vs. market)
• Active Return = R_P − R_B (portfolio vs. benchmark)

Brinson-Fachler Model (สำคัญมาก):

• Allocation: A_i = (w_i − W_i)(B_i − B) — overweight sector ที่ beat overall benchmark?
• Selection: S_i = W_i(R_i − B_i) — เลือกหุ้นดีใน sector?
• Interaction: I_i = (w_i − W_i)(R_i − B_i) — ผลรวมของทั้งสอง

BHB vs. BF (ใหม่ F2025):

• BHB ใช้ B (overall benchmark return) ใน allocation formula → misattribute
• BF ใช้ (B_i − B) → ถูกต้อง: allocation positive เมื่อ overweight sector ที่ชนะ benchmark

True vs. Misfit Risk:

• True Active Return = R_manager − R_normal benchmark
• True Active Risk = √(Total Active Risk² − Misfit Risk²)
• True IR = True Active Return / True Active Risk

Fundamental Law of Active Management:

• IR ≈ IC × √BR (Information Coefficient × √Breadth)

ออกสอบบ่อย

1. Brinson-Fachler full attribution table (F2025 Q6c — 2 คะแนน)
2. Reverse-engineer missing values จาก partial attribution data (F2025 Q6b — ใหม่ ยาก)
3. True IR calculation ด้วย misfit risk formula (ออก 4+ ครั้ง)
4. BHB vs. BF conceptual (F2025 Q6a)
5. Interpret attribution results เป็นคำพูด (ไม่ใช่แค่ตัวเลข)

Exam Tip สำคัญ

• Calculate แล้วต้อง interpret เสมอ — show formula + numbers แล้วก็อธิบายเป็นคำพูด
• Reverse-engineering ต้องตั้ง simultaneous equations จาก BF formulas — ฝึก algebraic manipulation

---

LO 2l — Behavioral Bias in Investing

แก่นของ LO นี้

6 general biases + RE-specific biases + mitigation strategies

ต้องรู้อะไรบ้าง

6 General Biases:

1. Loss Aversion: ไม่ยอมขายหุ้นที่ขาดทุน (reluctance to “crystallize a loss”)
2. Illusion of Control: คิดว่าตัวเองเก่ง → trade เยอะเกินไป
3. Mental Accounting: แบ่งเงินเป็น “กระเป๋า” แยกๆ → sub-optimal total portfolio
4. Recency Bias: ให้น้ำหนักข้อมูลล่าสุดมากเกินไป → return chasing
5. Framing: ตัดสินใจต่างกันขึ้นกับวิธีนำเสนอข้อมูล
6. Availability Bias: recall ข้อมูลที่จำง่าย/vivid → Home Bias

RE-Specific Biases:

• Anchoring (สำคัญที่สุดสำหรับ RE): ยึดราคาซื้อเดิม, focus capital gains แทนที่จะดู income/yield
• Framing: จัด RE ตาม sector/geography → mask tenant/lease risk
• Herding: ตามตลาด ซื้อแพง ขายถูก
• Home Bias: ลงทุน domestic มากเกินไป

Mitigation: IPS/Governance, Goals-Based Investing (GBI), Global Market Portfolio

The Most Tested RE Fact: Income = bulk of total return; Capital Gains = bulk of volatility

ออกสอบบ่อย

1. “Identify bias from scenario” — ต้อง quote specific phrase จาก vignette แล้ว connect กับ bias
2. Income vs. Capital Gains critique (S2023 Q7d)
3. RE bias workarounds — framing: diversify by tenant risk; home bias: global diversification; herding: long-term contrarian
4. Individual vs. Market-level biases — ห้าม reuse: individual ใช้ Loss Aversion/Anchoring; market ใช้ Herding/Momentum

Exam Tip สำคัญ

• 3-step structure: STATE bias → DEFINE → CONNECT to scenario (quote the phrase)
• ห้ามเขียนแค่ definition — คะแนนอยู่ที่ application to scenario

---

TOPIC 3: CREDIT RISK MANAGEMENT (20–40%)

---

LO 3a — Credit Portfolio Management (CPM)

แก่นของ LO นี้

CPM vs. Credit Assessment + 3 Levels of CPM

ต้องรู้อะไรบ้าง

CPM vs. Credit Assessment:

• CPM = portfolio-level (top-down); Assessment = individual (bottom-up)

3 Levels of CPM:

Level	Focus	Key Functions
1 — Basic	Limits & Monitoring	Aggregation, Reporting, Credit Limits, Surveillance, Mitigation
2 — Intermediate	Capital & Profitability	+ Capital Quantification (Credit VaR), Capital Allocation, Stress Testing, Hedging, Rebalancing
3 — Active	P&L Center	+ Transfer Pricing (CPM buys exposure at market price), Active Acquisition/Swaps

Key Keywords:

• “Unexpected but plausible” = Stress Testing
• “Velocity of Capital” = Rebalancing
• “CPM buys the risk” = Transfer Pricing

ออกสอบบ่อย

1. List Level 1 functions (3 ตัว) + Level 2 additional functions (3 ตัว) — ต้อง describe ไม่ใช่แค่ list เฉยๆ
2. Transfer Pricing explanation (F2023 Q5)
3. CPM ≠ Credit Assessment distinction

---

LO 3b — Individual Default Risk Measurement

แก่นของ LO นี้

4 Barometers of Credit Risk + EL formula + rating drawbacks

ต้องรู้อะไรบ้าง

4 Barometers: Exposure, PD, Recovery Rate, Tenor

Exposure Types:

• GE (Gross Exposure): absolute worst-case amount at risk
• NE (Net Exposure) = GE − Collateral
• AE (Adjusted Exposure) = NE × UGD (Usage Given Default)

PD Process (2 steps):

1. Analyze financial strength → assign rating
2. Observe historical default frequency ของ rating เดียวกัน → estimate PD

RR Drivers: Seniority (legal priority) + Security (pledged collateral)

EL Formula: EL = Exposure × PD × (1 − RR)

Rating Drawbacks (3 points):

1. Slow to react — เน้น stability over speed
2. Failed in 2008 — โดน structured products ตี
3. Conflict of interest — issuer pays

S&P Corporate Criteria Framework (F2025 Q7d — most candidates failed):

1. Two Risk Anchors: Business Risk (country + industry + competitive position) + Financial Risk (cash flow + leverage)
2. Five Modifiers: Diversification, Capital Structure, Financial Policy, Liquidity, Management/Governance
3. Output Chain: Risk Anchor → Modified → Standalone Credit Profile → Comparable Ratings Analysis → Issuer Credit Rating

3 Common Pitfalls (ออกบ่อยเป็น “Critique”):

1. Revolver exposure ≠ historical usage → ใช้ EGD/full notional (usage spikes ใน stress)
2. GE ≠ worst case สำหรับ derivatives (dynamic exposure)
3. Parent guarantee = correlated collateral = worthless (parent fails ตอนเดียวกับที่ subsidiary fails)

ออกสอบบ่อย

1. Define GE/NE/AE (F2025 Q7a)
2. 2-step PD process (F2025 Q7b)
3. Rating drawbacks 3 ตัว (S2024 Q13)
4. S&P framework (F2025 Q7d — 2 คะแนน ใหม่ ยาก)
5. Transition matrix EL calculation (F2022 Q10) — ต้องรวม downgrade losses ด้วย ไม่ใช่แค่ default
6. Multi-year cumulative PD จาก transition matrix (F2022 Q10)
7. Critique exposure statements — correlated collateral, revolver usage, at-the-money swap

---

LO 3c — Credit Risk Modeling

แก่นของ LO นี้

Narrative arc ของ models: Independent → Mixture → Threshold → t-Distributed

ต้องรู้อะไรบ้าง

1. Independent Models (Ch. 2) — Benchmark/Lower Bound

• Binomial: E[D_N] = Np, Var(D_N) = Np(1−p)
• Poisson approximation: เมื่อ p เล็ก + N ใหญ่ → Var ≈ Np (Law of Rare Events)
• Weakness: ไม่ capture default correlation → thin tails → underestimate VaR

2. Mixture Models (Ch. 3) — Conditional Independence

• ใส่ common random variable Z → conditional on Z, defaults independent
• Var(D_N) = Np̄(1−p̄) + N(N−1)Var[p(Z)] ← systematic risk term ห้ามลืม!
• Cov(I_Dn, I_Dm) = Var[p(Z)] ← formula หลักของทุก mixture model
• Beta-Binomial: E[Z] = α/(α+β), Var[Z] = αβ/((α+β)²(α+β+1))
• CreditRisk+ (Poisson-Gamma): obligor-specific p_n → ข้อดีเหนือ simple mixtures

3. Threshold Models (Ch. 4) — Gaussian Latent Variable

• y_n = √ρ G + √(1−ρ) ε_n (G = systematic, ε = idiosyncratic)
• Default เมื่อ y_n < K_n where K_n = Φ⁻¹(p_n)
• Conditional PD pipeline (3 steps):
  1. Threshold: c = Φ⁻¹(p)
  2. Conditional mean: E[y_n|G] = √ρ × G
  3. Z-score: (c − √ρ·G) / √(1−ρ) → Φ(Z) = conditional PD

4. Vasicek Limit Model:

• P(D_N ≤ x) = Φ[(√(1−ρ) × Φ⁻¹(x) − Φ⁻¹(p)) / √ρ]* — ต้องจำ (ไม่อยู่ใน formula sheet)

5. Asset Correlation vs. Default Correlation:

• ρ (asset) = input parameter ของ latent variable
• ρ_D (default) = output result → ขึ้นกับทั้ง ρ และ p_n
• ρ สูง ไม่ได้แปลว่า ρ_D สูง (ถ้า threshold ต่างกัน)

6. t-Distributed Model — Why Better:

• Gaussian: ไม่มี tail dependence (tail-dependence coefficient → 0)
• t-Distribution: มี tail dependence (positive tail-dependence coefficient)
• “Heavier tails” ไม่ใช่เหตุผลที่ถูก — Gaussian threshold ก็ produce heavy tails (skewed + leptokurtotic) อยู่แล้ว
• เหตุผลที่ถูก: t-model capture joint extreme defaults ได้ดีกว่า → conservative VaR/ES

ผลที่ counterintuitive: Independence ให้ P(N≥1) สูงกว่า mixture model — positive dependence ทำให้ defaults “lumped” (ทั้ง default พร้อมกัน OR ทั้ง survive) → P(nobody defaults) สูงขึ้น

ออกสอบบ่อย

1. E[D_N] and Var(D_N) — binomial vs. mixture (F2025 Q8a,c)
2. Mixture Var ต้องรวม systematic term — ลืม = ตอบผิด (F2020 Q13)
3. Conditional PD Z-score calculation (F2025 Q8d, F2020 Q14b)
4. “Why t-model better than Gaussian” — tail dependence ไม่ใช่ heavier tails (F2025 Q8e)
5. Asset vs. Default correlation distinction (F2020 Q14c, F2021 Q3d)
6. CreditRisk+ correlation — solve for w_1 จาก known ρ (F2020 Q13e, F2021 Q11)
7. Vasicek CDF formula (S2021 Q8)
8. Beta-Binomial Var[Z] calculation (F2025 Q8c)

Exam Tip สำคัญ

• Mixture Var formula: Np(1−p) + N(N−1)Var[Z] → systematic term dominate เสมอ (เช่น 9.9 vs. 470.5)
• “Fat-tailed AND strongly dependent” = two-part answer สำหรับ desired p(Z) characteristics
• Continuous distribution → P(Y_n = K_n) = 0 → ใช้ inequality (< ไม่ใช่ =) สำหรับ default trigger

---

EXAM STRATEGY SUMMARY

คำสั่ง 5 อันดับแรกที่ออกบ่อย + วิธีตอบ

คำสั่ง	วิธีตอบ
Critique	Verdict ชัดๆ (Agree/Disagree) → Mechanism → Correct Concept
Compare & Contrast	Define ทั้งคู่ → Dimension-by-dimension → Portfolio context conclusion
Recommend & Justify	State framework → Calculate/Analyze → Recommend → Justify ด้วย case facts
Describe/Explain	Define → Why it matters → How it works (with keywords)
Calculate	Show formula → Plug in → Answer → Interpret เป็นคำพูด

Top 10 Things ที่ต้องจำขึ้นใจ

1. EL = Exposure × PD × (1 − RR)
2. U = E(R) − 0.5λσ² → เลือก utility สูงสุด
3. Total Active Risk² = True² + Misfit²
4. Var(D_N) = Np(1−p) + N(N−1)Var[Z] (mixture models)
5. Leverage: r_p = r_I + (B/E)(r_I − r_B)
6. SAMURAI — 7 benchmark properties
7. Brinson-Fachler: A = (w−W)(B_i−B), S = W(R_i−B_i), I = (w−W)(R_i−B_i)
8. Vasicek CDF: Φ[(√(1−ρ)·Φ⁻¹(x) − Φ⁻¹(p)) / √ρ]
9. Conditional PD Z-score: (Φ⁻¹(p) − √ρ·G) / √(1−ρ)
10. PSA pipeline: PSA → CPR → SMM → Sched Principal → Prepayment → Interest → Total CF

F2025 Lessons Learned (ข้อสอบล่าสุด)

Insight	Action
”Critique” dominates (5/8 ข้อ)	ฝึก verdict → mechanism → correct concept
Context-specific justification ลงโทษคำตอบ generic	ทุก recommendation ต้อง link กลับ case facts
Excel is substantial (6 parts, 3 questions)	ฝึก PSA CF, CMO tranche, Brinson table, TE calc, after-tax RE
S&P framework ≠ rating scale	จำ full analytical chain: 2 anchors → 5 modifiers → SCP → CRA → ICR
Reverse-engineering attribution เป็นของใหม่	ฝึก simultaneous equations จาก BF formulas
”Heavier tails” is wrong reason for t-model	Correct: tail dependence
Activist = balance sheet manipulation (ไม่ใช่ “improve efficiency”)	Break up conglomerate OR restructure

---

Generated for INV-101 exam prep — 24 July 2026 Last updated: 2026-05-09