时间序列分析方法智慧树知到课后章节答案2023年下哈尔滨工业大学

时间序列分析方法智慧树知到课后章节答案2023年下哈尔滨工业大学哈尔滨工业大学

第一章测试

英国的工业革命所进行的时间是（）。

答案:

18世纪60年代到19世纪上半期

时间序列通常会受到哪些因素的影响（）。

答案:

长期趋势;循环波动;季节变化;随机波动

时间序列分析有助于比较两个或多个序列。（）

答案:

错

可以应用时间序列模型准确地通过对历史数据分析预测未来发生的结果。（）

答案:

错

时间序列往往呈现某种趋势性或出现周期性变化的现象。（）

答案:

对

平稳时间序列差分后还是平稳时间序列。（）

答案:

对

时间序列分析有助于了解企业的行为。（）

答案:

对

一个时间序列的年度数据包含长期和周期性变化。（）

答案:

对

在计算年度数据的季节性指数时，删除最高和最低的实际滑动平均，减少了季节性变化。（）

答案:

错

一个时间序列的变化模式每年都会重复出现，这叫做季节性变化。（）

答案:

对

时间序列数据中的连续观测是独立且同分布的。（）

答案:

错

第二章测试

纯随机序列的均值是零，方差是定值。（）

答案:

错

对于各种时间序列的ADF平稳性检验，其拟合方程式应该都相同。（）

答案:

错

由于观察值序列的有限性，纯随机序列的样本自相关系数可能不为零。（）

答案:

对

严平稳序列一定是宽平稳序列。（）

答案:

错

宽平稳序列一定是严平稳序列。（）

答案:

错

宽平稳序列的二阶矩一定存在。（）

答案:

错

当序列服从正态分布时，宽平稳和严平稳等价。（）

答案:

对

二阶矩存在的严平稳序列一定为宽平稳的。（）

答案:

对

白噪声过程是一个宽平稳过程。（）

答案:

对

时间序列的二次差分可以帮助消除二次趋势。（）

答案:

对

第三章测试

若平稳序列的样本ACF和样本PACF都呈现一阶结尾，则可考虑建立ARMA(1,1)模型。（）

答案:

对

非中心化AR(3)模型待估参数的个数有3个。（）

答案:

错

AR和MA模型的自相关和偏自相关函数均不具备截尾特性。（）

答案:

错

AR模型的自相关函数p阶截尾，MA模型的偏自相关函数q阶截尾。（）

答案:

错

AR和MA模型的自相关和偏自相关函数均有截尾特性。（）

答案:

错

对AR(p)而言，随着向前预测步数的增大，预测误差将变小。（）

答案:

错

MA(1)过程ACF一阶截尾。（）

答案:

对

MA(1)过程PACF拖尾。（）

答案:

对

MA(p)模型一定是宽平稳的。（）

答案:

对

对于ACF拖尾，PACF截尾的时间序列建立ARMA。（）

答案:

错

第四章测试

ARIMA是季节时间序列模型。（）

答案:

错

当d=0时，ARIMA(p,d,q)=ARMA(p,q)。（）

答案:

对

ARMA(p,q)模型是AR(p)模型和MA(q)模型的组合。（）

答案:

对

ARIMA为线性平稳时间序列模型。（）

答案:

错

当d=1,p=0,q=0时，ARIMA(p,d,q)是随机游走过程。（）

答案:

对

产生虚假回归的原因是非平稳性。（）

答案:

对

单位根过程都是平稳过程。（）

答案:

错

ARIMA模型和SARIMA模型是非平稳时间序列。（）

答案:

对

ARIMA模型建模步骤中包括差分运算。（）

答案:

对

ADF可用于单位根检验，该检验本质上是一种t检验。（）

答案:

对

第五章测试

理论上ACF和PACF是未知的。（）

答案:

对

AIC=-2ln(模型最大似然度)+2(模型独立参数个数)。（）

答案:

对

在回归分析中，F检验法常被用来考察两个回归模型是否具有显著差异。（）

答案:

对

如果样本(偏)自相关系数在最初的d阶明显大于2倍标准差范围，而后几乎95％以上的(偏)自相关系数突然收敛落在2倍标准差的范围以内。这时称为(偏)自相关系数截尾，截尾阶数为d。（）

答案:

对

如果有超过5%的样本(偏)自相关系数都落入2倍标准差的范围之外，这时通常视为(偏)自相关系数拖尾。（）

答案:

对

自相关函数(ACF)和偏自相关函数(PACF)定阶法是一种较为粗略的方法。（）

答案:

对

在建模时，按照信息准则函数的取值确定模型的优劣，使准则函数达到极小的是最佳模型。（）

答案:

对

如果FPE从开始就下降，则说明数据可以采用AR模型拟合。（）

答案:

错

AIC准则是样本容量N的线性函数，在T→∞时不收敛于真实模型，它通常比真实模型所含的未知参数要多，是过相容的。（）

答案:

对

当回归因子包含延迟因变量时，检验残差序列自相关性可以采用F检验。（）

答案:

错

第六章测试

自回归条件异方差模型，通常采用的估计方法是广义最小二乘法。（）

答案:

错

矩估计需要假设总体分布。（）

答案:

错

极大似然估计法利用了数据包含的所有信息。（）

答案:

对

矩估计可以直接作为模型参数的估计值。（）

答案:

错

平稳时间序列模型矩估计方法的估计精度高。（）

答案:

错

自相关图显示拖尾的原因有可能是用样本估计总体参数时有误差。（）

答案:

对

矩估计的收敛速度比较慢。（）

答案:

对

平稳时间序列模型矩估计方法需要假设总体分布。（）

答案:

错

极大似然估计法仅利用了一阶和二阶矩。（）

答案:

错

自回归AR(p)模型参数的Yule-Walker估计是矩估计。（）

答案:

错

第七章测试

无法利用建立的时间序列模型对时间序列的未来取值进行预测。（）

答案:

错

最小均方预测误差与预测步长有关，而和预测的时间原点无关。（）

答案:

对

建立平稳时间序列模型从观察到的有限长度的平稳序列样本出发，通过模型的识别、模型的定阶、模型的参数估计、适应性检验等步骤建立起适合序列的ARMA模型。（）

答案:

对

时间序列是基于以前的观察数据而不是当前的观察数据,不像分类或回归那样数据与数据之间关联性不高。（）

答案:

对

在新的信息量很大时，不重新拟合模型，只是将新的信息加入以修正预测值，提高预测精度。（）

答案:

错

修正预测就是研究如何利用新的信息去获得精度更高的预测值。（）

答案:

对

新的信息量比较大时，把新信息加入到旧的信息中，重新拟合模型。（）

答案:

对

对AR(p)而言，随着向前预测步数的增大，预测误差不变。（）

答案:

错

AR（p）模型通常只适合做短期预测。（）

答案:

对

线性最小均方误差预测是无偏的预测。（）

答案:

对

第八章测试

GARCH模型给出了一个简单的参数函数来描述波动率的演变。（）

答案:

对

GARCH模型对正负扰动的反应不同。（）

答案:

错

ARCH模型是条件方差的自回归。（）

答案:

对

ARCH模型不可以刻画厚尾分布的数据。（）

答案:

错

ARCH模型就是对非平稳的残差序列建立的模型。（）

答案:

错

ARCH模型随机误差项可以服从肥尾分布。（）

答案:

错

ARC