EXAM PA (Predictive Analytics)是ASA课程体系改革后新增的一门考试，因其高昂的报名费用和输出型的考试结构而备受关注。在经过长时间的预习和复习，最终通过考试并获得了10分的成绩，以下是复习过程中的一些心得和经验分享。

复习过程中，我发现历年真题中存在一些未曾考过的知识点。在复习时，我先学习了手动和模块内容，然后开始做真题。在做题时，我会将每道题考到的知识点进行提炼，比如目标变量种类、缺失数据处理方式、数据质量评价、降维优劣、统计方法的描述、GLM/tree等方法的选择优劣和原因等。

在完成2020及之前的真题后，我对其出题形式和答题写法有了大致的了解，能知道阅卷人想要看什么样的答案。我将复习期间的内容整理成一个25000+词的文档，摘自历年真题答案，并按照考点内容进行了归类，适合完成所有真题后进行回顾和语言模仿。

考试前，我特意留出了两套真题，其中一套在考前两三天完成。在做题时，我意识到SOA考试的题目都是未曾考过的，这让我总结出了前文的那句血泪教训。

复习期间，我将更多的时间用于真题和模块的学习，因为manual的内容和SRM学的差不多，考试也不会考公式的推导，没必要过于深究理论理解。在做真题时，我发现自己的问题在于做前两道题时对题目背景和数据结构不熟悉，导致反复读题耗时较多。但在后面，会遇到很好的理论性描述题，这类题目答案较快且准确率高。

真正考试时，应允许自己前半小时处于艰难状态，答题速度慢也没关系。但应快速跳过不会的题目，先去做有把握的题目。在考场上，我尽量在每道题上都写下内容，确保覆盖所有部分。总之，要有大局观，通过考试，而非追求某道题的满分。

如果有需要我整理的复习材料，欢迎私信交流。虽然回复可能不及时，请谅解，毕竟作为社畜，工作也很忙碌。希望这些经验和教训能帮助你顺利通过考试，共同携手打更大的怪！