2025年大学《统计学》专业题库- 统计学在金融风险评估中的应用

2025年大学《统计学》专业题库——统计学在金融风险评估中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每题3分，共30分。请将正确选项的字母填在题后的括号内。）1.在金融风险评估中，VaR（ValueatRisk）衡量的是在给定置信水平和持有期下，投资组合可能遭受的（）。A.最大损失期望值B.损失分布的方差C.最坏情况下的损失D.以特定概率不会超过的最大损失2.金融机构在VaR计算中常使用历史模拟法，该方法的主要优点是（）。A.考虑了市场微观结构B.能够处理厚尾和非对称分布C.计算相对简单，不需要假设数据分布D.可以直接量化预期损失（ES）3.在信用风险建模中，Logit模型通常用于估计借款人的（）。A.违约概率（PD）B.违约损失率（LGD）C.逾期天数D.信用评分4.假设某银行使用线性回归模型分析贷款违约与借款人收入的关系，发现收入系数显著为正，这表明（）。A.收入越高，贷款违约的可能性越大B.收入与贷款表现无关C.收入是影响贷款表现的唯一因素D.该模型完全不适合预测违约5.时间序列分析中的GARCH模型主要用于捕捉金融资产收益率（）。A.的均值漂移B.的条件均值C.的条件波动率或方差D.的自相关性6.在风险管理中，描述一个资产收益分布的“尖峰”特征，最相关的统计量是（）。A.偏度（Skewness）B.峰度（Kurtosis）C.标准差（StandardDeviation）D.变异系数（CoefficientofVariation）7.对金融时间序列数据进行建模前，通常需要进行平稳性检验，常用的方法包括（）。A.方差分析（ANOVA）B.卡方检验（Chi-squaretest）C.单位根检验（如ADF检验）D.相关性分析8.以下哪种统计方法最适合用于分析一个二元结果变量（如是否违约）与一个或多个连续自变量之间的关系？（）A.线性回归（LinearRegression）B.多元回归（MultipleLinearRegression）C.逻辑回归（LogisticRegression）D.泊松回归（PoissonRegression）9.在计算投资组合的方差时，若两只资产完全正相关（ρ=1），则组合方差等于两只资产方差的（）。A.和B.差C.平均值D.平方和10.统计学在金融风险评估中发挥作用的核心在于其提供了一套（）的方法来量化、建模和分析风险。二、简答题（每题5分，共20分。请简明扼要地回答下列问题。）1.简述VaR和预期损失（ES）的区别，并说明为什么ES通常被认为比VaR更具风险度量价值。2.解释什么是信用风险，并列举至少三种常用的统计模型或方法在信用风险评估中的应用。3.描述使用历史模拟法计算VaR的主要步骤。4.在应用回归模型分析金融风险时，可能存在哪些主要的模型设定问题，并简述其后果。三、计算题（每题10分，共30分。请写出详细的计算步骤和结果。）1.某投资组合在过去5个交易日的收益率分别为：2%,-1%,3%,0.5%,-2%。假设收益率服从正态分布。(1)计算该投资组合的平均收益率和标准差。(2)如果置信水平为99%，持有期为1天，请使用参数法（正态分布）计算该组合的VaR（不考虑交易成本）。2.某信用评分模型包含两个自变量：年收入（X1，单位：万元）和是否有房产（X2，0表示无，1表示有）。模型估计结果如下（β0=0.1,β1=0.05,β2=0.3,模型整体显著）。(1)解释变量X1和X2的系数经济含义。(2)若某借款人年收入10万元，且有房产，请估计其信用评分（假设评分与对数几率成正比）。3.假设某分析师收集了某股票过去10个交易日的收益率数据，并拟采用ARIMA(1,1,1)模型进行拟合。请写出该模型的数学表达式，并简述模型中各个参数（p,d,q）的统计含义。四、综合应用题（每题15分，共30分。请结合所学知识，分析和回答下列问题。）1.假设你是一家投资银行的量化分析师，需要评估一个包含股票A和股票B的投资组合的风险。股票A和股票B的日收益率数据如下（部分数据）：股票A收益率（%）:1.2,0.8,-0.5,2.1,-1.0,...股票B收益率（%）:-0.3,1.5,2.0,-0.8,1.1,...已知两股票收益率的相关系数ρ=0.4，单只股票的日收益率标准差σA=1.5%，σB=2.0%，投资比例分别为50%。(1)计算该投资组合的日收益率方差和标准差。(2)简述如果ρ变为-0.7，投资组合风险会如何变化？请解释原因。2.某公司正在考虑是否给一位新客户发放贷款。信贷部门收集了该客户及其类似客户的历史数据，包括年收入、是否有逾期记录等。部门经理请你使用这些数据建立一个信用评分模型来预测客户违约的可能性。(1)在建立模型前，你需要对数据进行哪些方面的处理和检查？请列举至少三项。(2)建立模型后，如何评估模型的预测能力？可以提及两种不同的评估指标。(3)假设模型预测该客户的违约概率（PD）为5%。如果贷款金额为10万元，违约损失率（LGD）为40%，请估计该笔贷款的预期损失（ES）。试卷答案一、选择题1.D2.C3.A4.A5.C6.B7.C8.C9.A10.C二、简答题1.VaR是在给定置信水平和持有期下，投资组合可能损失的最大金额，而ES是在给定置信水平和持有期下，投资组合损失的期望值。ES考虑了超过VaR的极端损失，因此能更全面地反映风险，特别是尾部风险。2.信用风险是指债务人未能履行到期债务义务的可能性。统计模型/方法应用包括：Logit/Probit模型（估计违约概率PD）、评分卡模型（量化信用等级）、多元回归模型（分析影响违约的因素）、生存分析（研究债务偿还时间）。3.历史模拟法计算VaR步骤：收集足够长的历史收益率数据；计算每个历史情景下的投资组合模拟损益；根据损益对数排序，找到对应置信水平（如99%）的分位数对应的损益值，该值的相反数即为VaR。4.主要模型设定问题包括：遗漏重要解释变量、存在多重共线性、函数形式设定错误（如线性关系）、异方差性、自相关等。后果可能导致模型估计偏误、不一致，预测能力差，推断无效。三、计算题1.(1)平均收益率=(2%-1%+3%+0.5%-2%)/5=0.2%/5=0.04%。标准差σ=√[Σ(ri-μ)²/n]=√[(2%-0.04%)²+(-1%-0.04%)²+(3%-0.04%)²+(0.5%-0.04%)²+(-2%-0.04%)²)/5]=√[(0.0196+0.0176+0.0056+0.0021+0.0404)/5]=√(0.0857/5)=√0.01714≈0.1308%。(2)在99%置信水平下，正态分布分位数z=2.33。VaR=μ+z*σ=0.04%+2.33*0.1308%≈0.04%+0.3046%≈0.3446%。VaR≈0.34%。2.(1)X1系数0.05表示在其他条件不变时，借款人年收入每增加1万元，信用评分（对数几率）增加0.05个单位。X2系数0.3表示在其他条件不变时，有房产的借款人比没有房产的借款人，信用评分（对数几率）增加0.3个单位。(2)信用评分（对数几率）=β0+β1*X1+β2*X2=0.1+0.05*10+0.3*1=0.1+0.5+0.3=0.9。评分=0.9（假设对数几率单位与评分单位相同）。3.ARIMA(1,1,1)模型的数学表达式为：Yt=φ*Yt-1+εt-θ*εt-1，其中Yt为第t期观测值，Yt-1为第t-1期观测值，εt为白噪声误差项。参数p=1表示模型包含一个自回归项（滞后一阶），d=1表示数据需要差分一次才能平稳，q=1表示模型包含一个移动平均项（滞后一阶）。四、综合应用题1.(1)投资组合日收益率=0.5*ra+0.5*rb=0.5*ra+0.5*rb。投资组合收益率方差σp²=wA²σA²+wB²σB²+2*wA*wB*ρ*σA*σB=(0.5)²*(1.5%)²+(0.5)²*(2.0%)²+2*(0.5)*(0.5)*0.4*(1.5%)*(2.0%)=0.25*(0.0225%)+0.25*(0.04%)+0.5*0.4*(0.015%)*(0.02%)=0.005625%+0.01%+0.5*0.4*(0.0003%)=0.015625%+0.00006%=0.015685%。投资组合标准差σp=√0.015685%≈0.1252%。(2)若ρ变为-0.7，组合风险（标准差）会降低。原因：ρ为负值意味着两股票收益率趋于反向变动，分散效应增强，负相关系数的绝对值越大，分散效应越强，组合整体波动性越小。2.(1)数据处理和检查包括：处理缺失值（删除或填充）；识别和处理异常值（删除或修正）；检查数据一致性；进行探索性数据分析（描述性统计、可视化）以理解数据分布和关系；检验变量间的多重共线性。(2)评估模型预测能力的方法：使用历史