2025年大学《应用统计学》专业题库- 统计学在投资分析中的应用

2025年大学《应用统计学》专业题库——统计学在投资分析中的应用考试时间：______分钟总分：______分姓名：______一、1.简述在投资分析中，衡量单一资产风险的主要统计指标有哪些？并说明它们各自的含义和优缺点。2.解释相关系数与协方差在投资组合分析中的作用区别。为什么协方差矩阵在构建投资组合时至关重要？3.在使用线性回归模型分析股票收益率与宏观经济指标（如GDP增长率）之间的关系时，请说明回归系数的经济含义，以及进行回归系数显著性检验的必要性。二、4.假设某投资者考虑构建一个包含两种资产的投资组合。资产A的预期收益率为12%，标准差为20%，资产B的预期收益率为8%，标准差为15%。两种资产之间的相关系数为0.3。请计算该投资组合在80%置信水平下的最小预期收益率区间（假设收益服从正态分布）。5.解释什么是有效前沿？在均值-方差框架下，投资者如何找到最优投资组合？6.假设你使用AR(1)模型来拟合某股票的日收益率序列，得到的模型参数为：α=0.95。请解释该参数的含义，并说明该模型的平稳性条件是什么？三、7.在进行资产定价时，CAPM模型和APT模型有何主要区别？请简述APT模型包含哪些因素。8.什么是时间序列数据的自相关性？自相关性对使用普通最小二乘法（OLS）估计回归模型参数会产生什么影响？9.假设你检验一只股票的收益率是否显著高于市场平均水平（市场收益率为10%，股票收益率的样本均值为12%，样本标准差为18%，样本量为100）。请写出相应的原假设和备择假设，并说明应选择哪种统计检验方法，简要说明理由。四、10.某投资者关注两只基金在过去一年的表现。基金甲的年收益率均值为15%，标准差为10%；基金乙的年收益率均值为14%，标准差为8%。假设两只基金的收益率分布均近似正态分布，且已知其收益率的标准差相等。请设计一个统计检验方案，判断这两只基金的平均年收益率是否存在显著差异（α=0.05）。请写出检验统计量，并说明如何根据检验结果做出决策。11.简述VaR（风险价值）的基本原理及其局限性。在投资实践中，如何改进VaR的局限性？12.假设某资产收益率服从正态分布，其月均收益率为1%，月收益率的标准差为5%。请计算该资产在95%置信水平下的10天VaR（假设月收益率与月收益率独立同分布）。试卷答案一、1.衡量单一资产风险的主要统计指标包括：*标准差（StandardDeviation）：衡量收益率围绕其均值的波动程度。优点是直观、被广泛理解；缺点是未考虑投资收益的绝对大小和投资者风险偏好。*偏度（Skewness）：衡量收益率分布的对称性。用于识别是否存在“肥尾”风险（极端收益的可能性）。*峰度（Kurtosis）：衡量收益率分布的尖锐程度或“尾部厚度”。与偏度结合，更全面地描述分布形态和风险。*VaR（ValueatRisk）：在给定置信水平下，投资组合在未来特定持有期内可能遭受的最大损失。缺点：VaR不能反映超过VaR的尾部损失大小。2.相关系数衡量的是两个资产收益率变动的线性关系强度和方向（-1到+1之间），其数值不受各资产预期收益率或波动率大小的影响。协方差则衡量的是两个资产收益率变动的共同规模，其数值的大小与两个资产的波动率（标准差）成正比。在投资组合分析中，协方差（构成协方差矩阵）是计算投资组合方差的直接依据，而方差和协方差共同决定了投资组合的整体风险（波动性）以及资产间的风险贡献。协方差矩阵能够精确描述投资组合中所有资产两两之间的风险关联，是构建有效前沿和确定最优投资组合的基础。3.回归系数表示当自变量（如GDP增长率）每变动一个单位时，因变量（股票收益率）平均变动的幅度和方向。进行回归系数显著性检验（如t检验）是为了判断观察到的回归关系是否具有统计上的显著性，即是否存在真实的、非零的关联性，而非仅仅是由于抽样误差造成的偶然现象。这有助于投资者判断宏观经济指标是否真的对股票收益率有预测能力或解释能力。二、4.计算投资组合预期收益率E(Rp)=wA*E(RA)+wB*E(RB)。其中wA和wB分别是资产A和资产B在投资组合中的权重。组合方差σp²=wA²*σA²+wB²*σB²+2*wA*wB*σA*σB*ρAB。由于未给出权重，无法计算确切的预期收益率和方差。假设权重为wA和wB，则E(Rp)=12wA+8wB。投资组合标准差σp=√[wA²*20²+wB²*15²+2*wA*wB*20*15*0.3]。最小预期收益率通常指在特定风险水平下的收益下限。若假设组合标准差即为σp，则需根据正态分布表查找80%置信水平对应的z值（约1.282），计算收益率的下限：E(Rp)-z*σp。但题目要求计算“最小预期收益率区间”，这通常指VaR，即最大损失金额。这里可能存在歧义，更标准的计算是给定置信水平下的收益下限。若理解为计算特定权重下的组合标准差，则需给出权重。若理解为计算基于σp的VaR，则VaR=-z*σp。但题目要求“区间”，标准VaR只给一个数值。此题条件不完整，无法给出具体数值解。解析思路：明确组合收益与权重的关系，组合方差与权重、资产方差、相关系数的关系。理解置信水平与正态分布分位数（z值）的联系。区分“预期收益率区间”与“VaR”的概念。认识到缺少权重无法完成计算。5.有效前沿（EfficientFrontier）是指在一定风险水平下，能够提供最高预期收益率的所有投资组合的集合；或者在一定预期收益率水平下，能够承受最低风险（标准差）的所有投资组合的集合。在均值-方差框架下，投资者通过选择其无差异曲线（代表风险偏好）与有效前沿相切的那个投资组合，即可找到符合其风险-收益偏好的最优投资组合。这个切点代表了在给定的风险偏好下，无法在增加收益的同时不增加风险（或在不增加风险的情况下获得更高收益）的最优风险调整后收益。6.AR(1)模型参数α表示某期股票收益率对其自身上一期收益率的依赖程度或“持续性”。具体来说，α衡量的是当本期收益率发生一个单位变化时，预期下一期收益率将平均变化α个单位。α的取值范围通常在-1到1之间。该模型的平稳性条件是参数α的绝对值小于1，即|α|<1。如果α=1，模型变为完全自回归，可能不平稳；如果α=0，模型退化为随机游走过程；只有当-1<α<1时，模型才表示一个平稳的时间序列过程，其波动倾向于逐渐衰减。三、7.CAPM（资本资产定价模型）是一个单因素模型，假设存在一个单一的系统性风险因素（市场风险），资产的预期收益率由其贝塔系数（β）决定，β衡量资产对市场收益变动的敏感度。模型为：E(Ri)=Rf+βi*[E(Rm)-Rf]，其中Rf是无风险利率，E(Rm)是市场预期收益率。APT（套利定价理论）是一个多因素模型，认为资产收益率由多个相互独立的系统性风险因素（如通货膨胀率、利率水平、工业产出等）的共同影响决定。模型为：E(Ri)=Rf+βi1*[E(F1)-Rf]+βi2*[E(F2)-Rf]+...+βik*[E(Fk)-Rf]，其中βij是资产对第j个风险因素的敏感度，E(Fj)是第j个风险因素的预期变动。主要区别在于风险因素的数量和性质：CAPM为单因素；APT为多因素。APT更具普遍性，但具体因素的选择和度量更具挑战性。8.时间序列数据的自相关性（Autocorrelation）是指一个时间序列中的观测值与其自身过去某个或某些时期的观测值之间存在相关关系。在回归分析中，如果模型包含因变量的滞后值作为自变量，或者模型遗漏了应该包含的自变量的滞后值，或者存在测量误差，都可能导致残差项出现自相关性。自相关性会“欺骗”普通最小二乘法（OLS），使得估计出的回归系数（包括截距和斜率）的方差估计有偏（通常是低估），导致t检验和F检验失去可靠性，从而可能错误地得出变量之间存在关系的结论（第二类错误），并使得预测精度下降。简单来说，自相关性意味着模型设定存在偏差，违反了OLS的基本假设之一（误差项独立同分布）。9.原假设H0:μ=μm，即股票的平均收益率与市场平均水平相同（或无差异）。备择假设H1:μ>μm，即股票的平均收益率显著高于市场平均水平。这里μ代表股票的总体平均收益率，μm代表市场平均收益率。应选择的统计检验方法是右侧单样本t检验。理由：①是在总体标准差未知的情况下，用样本标准差进行推断；②是样本量n=100较大（n>30），根据中心极限定理，样本均值近似服从正态分布；③是检验目标是比较样本均值与一个已知常数（市场平均收益率）。四、10.检验两只基金平均年收益率是否存在显著差异，属于两个独立样本均值比较问题（方差相等）。检验步骤：a.建立假设：H0:μ甲=μ乙(两只基金平均收益率无显著差异)H1:μ甲≠μ乙(两只基金平均收益率存在显著差异)b.计算检验统计量：使用两样本均值差别的t检验公式。由于总体方差未知但相等，合并方差Sp²=[(nA-1)sA²+(nB-1)sB²]/(nA+nB-2)。检验统计量t=(¯xA-¯xB)/[Sp*√(1/nA+1/nB)]。题目未给出样本量nA和nB，无法计算具体数值。但应写出此公式。c.确定拒绝域：给定显著性水平α=0.05，自由度df=nA+nB-2。查找t分布表得到临界值tα/2,df。对于双尾检验，若计算出的t统计量绝对值大于临界值，或p值小于0.05，则拒绝原假设。d.做出决策：根据计算出的t值与临界值比较，或根据p值与α比较，判断是否拒绝H0。若拒绝H0，则认为两基金平均收益率存在显著差异；若不拒绝H0，则认为无足够证据表明存在显著差异。11.VaR（ValueatRisk）的基本原理是在给定的置信水平和持有期下，估计投资组合可能面临的最大潜在损失金额。例如，95%VaR意味着有95%的概率，投资组合在下一持有期内的损失不会超过该VaR值。VaR的优点是简单直观，易于理解，被广泛用于风险管理和报告。但其主要局限性包括：①隐性风险（TailRisk）：VaR只提供了损失的一个阈值，但没有提供超过该阈值的实际损失分布信息，无法衡量极端事件（肥尾）可能造成的巨大损失。②欠连续性（Non-Continuity）：对于非正态分布（特别是具有“肥尾”）的收益率数据，VaR可能低估实际的风险。③非次可加性（Subadditivity）：对于多个投资组合，总风险的VaR不一定等于各部分组合VaR之和（尤其在组合内资产相关性较高时）。改进VaR局限性的方法包括：①计算条件VaR（CVaR）或预期shortfall损失（ES），它们衡量超过VaR的尾部损失的平均大小，能提供更全面的风险图景。②使用更复杂的模型来捕捉收益率分布的肥尾特性，如GARCH模型、蒙特卡洛模拟等。③考虑投资组合的流动性风险和交易成本。12.假设月收益率R~N(μ=1%,σ=5%)，月收益率与月收益率独立同分布。计算10天VaR。首先需要将月收益率转换为日收益率。假设每日收益率r也服从正态分布，其均值为μr=μ/25=1%/25=0.04%，其标准差σr=σ/√25=5%/5=1%。计算10天持有期的日收益率均值的期望E(Σr₁₀)=10*μr=10*0.04%=0.4%。计算10天持有期的日收益率标准差σ(Σr