2025年大学《应用统计学》专业题库- 金融市场数据统计分析与决策

2025年大学《应用统计学》专业题库——金融市场数据统计分析与决策考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分。请将正确选项的字母填在括号内）1.某股票收益率序列的样本偏度为-1.2，峰度为3.5。下列描述最准确的是？A.收益率分布左偏，且比正态分布更平坦。B.收益率分布右偏，且比正态分布更平坦。C.收益率分布左偏，且比正态分布更尖峭。D.收益率分布右偏，且比正态分布更尖峭。2.在进行股票收益率与市场指数收益率的线性回归分析时，回归系数的经济含义是？A.市场指数每变动一个单位，股票收益率的标准差变动多少。B.市场指数每变动一个单位，股票收益率预计变动的标准误差。C.市场指数每变动一个单位，股票收益率预计变动的量。D.市场指数收益率的方差。3.一项关于某股票是否值得投资的假设检验，原假设H0：该股票的期望收益率不高于市场平均水平。若检验结果拒绝H0，则意味着？A.该股票的期望收益率确实高于市场平均水平。B.该股票的期望收益率低于市场平均水平。C.存在证据表明该股票的期望收益率高于市场平均水平。D.该股票的投资风险低于市场平均水平。4.在分析两只股票之间的联动关系时，计算得到它们收益率的相关系数为0.85。下列说法最恰当的是？A.当一只股票收益率上升时，另一只股票收益率必然上升。B.两只股票的收益率变动方向总是相反。C.两只股票的收益率变动方向大部分情况下一致，但强度不完全确定。D.两只股票的收益率完全不相关。5.对于一个投资组合，其整体风险（以方差衡量）等于组合中各资产风险之和。这一前提最可能不适用于？A.完全正相关的资产组合。B.风险收益特征不同的资产组合。C.部分负相关的资产组合。D.资产之间的相关性非常低的组合。6.在使用移动平均法预测未来市场指数时，选择更大的移动窗口，其主要影响是？A.增加预测值的平滑度，但降低对近期变化的反应速度。B.降低预测值的平滑度，但增加对近期变化的反应速度。C.同时增加预测值的平滑度和对近期变化的反应速度。D.对预测值的平滑度和反应速度没有显著影响。7.抽样分布指的是？A.总体数据本身的分布形态。B.从总体中重复抽取样本，计算样本统计量（如样本均值）所形成的分布。C.单个样本数据点的分布。D.参数估计值本身的分布。8.在进行时间序列数据的平稳性检验时，常用的统计量是？A.相关系数。B.t检验统计量。C.单位根检验（如ADF检验）的t统计量。D.方差分析表中的F统计量。9.已知某项投资策略的历史平均年化收益率为15%，标准差为12%。根据正态分布近似，该策略收益率低于0%的可能性大约是多少？A.16.67%。B.50%。C.84.13%。D.93.32%。10.对一组股票收益率数据进行探索性分析，绘制了箱线图。箱线图能有效地揭示？A.数据的均值和标准差。B.数据的分布中心、离散程度和异常值。C.数据的时间趋势和周期性。D.数据与某个因变量的相关关系。二、计算题（共40分）11.（8分）某投资者持有三种股票，其投资金额分别为：股票A50万元，股票B30万元，股票C20万元。三种股票的年化收益率及其标准差如下表所示（数据为样本数据）：股票|年化收益率(%)|标准差(%)--------|--------------|---------A|12|18B|10|15C|8|10假设三种股票之间的相关系数矩阵如下：ρ(A,B)=0.4,ρ(A,C)=-0.2,ρ(B,C)=0.1计算该投资组合的期望收益率和以方差衡量的整体风险。（要求写出计算公式和过程）12.（12分）随机抽取了10只科技股的月收益率数据（单位：%），如下：8,12,-3,5,10,15,0,-2,7,9。（1）计算样本均值、样本标准差、样本偏度和样本峰度。（要求写出计算公式和过程）（2）假设这些数据来自正态分布总体。检验该组样本数据是否来自均值大于5%的正态分布总体（α=0.05）。请写出检验步骤，包括提出假设、计算检验统计量、做出决策。（可使用t分布）13.（12分）收集了某股票过去60个月的月收益率数据（已处理，假设为时间序列数据Y_t）。使用过去12个月的简单移动平均法计算第t=13至第t=60个月的预测收益率Ŷ_t。请简述移动平均法的原理，并说明如何计算第t=13个月的预测值Ŷ_{13}。（无需实际计算所有值）14.（8分）某分析师建立了股票X收益率对市场指数收益率的简单线性回归模型，得到回归方程Ŷ=0.5+1.2X，其中Y是股票X的收益率，X是市场指数收益率。回归模型的R²值为0.64，样本量为30。请解释回归系数1.2和R²=0.64在模型中的具体含义。（提示：考虑系数的经济意义和R²的解释力）三、综合应用题（共40分）15.（20分）一位基金经理关注某行业指数（I）和两只代表性股票（A和B）的收益率数据。历史数据显示，这两只股票的收益率与行业指数之间存在一定的相关性。基金经理希望利用统计方法分析这两只股票的表现，并考虑将其纳入投资组合。（1）请解释相关系数和简单线性回归模型在这项分析中各自可以扮演的角色。（2）假设基金经理计算得到股票A与行业指数的相关系数为0.7，股票B与行业指数的相关系数为0.4。他还建立了股票A收益率对行业指数收益率的简单线性回归模型，得到的回归系数为1.3。请基于这些信息，对该基金经理的分析进行初步评价，并简要说明选择股票A或股票B（或其他组合策略）可能需要考虑的其他统计或非统计因素。16.（20分）在对一个包含多种资产的投资组合进行风险评估时，除了考虑各资产的单独风险和收益外，还需要考虑资产之间的协方差或相关系数。请阐述协方差或相关系数在衡量投资组合整体风险中的重要性。设想一个场景，说明如果忽略资产之间的相关性（特别是负相关性），而仅仅基于单个资产的风险进行组合，可能会带来哪些潜在的风险或不足？并提出至少一种利用相关性来优化投资组合风险管理的思路。试卷答案一、选择题1.A2.C3.C4.C5.A6.A7.B8.C9.D10.B二、计算题11.计算过程：*投资比例：w_A=50/(50+30+20)=0.5；w_B=30/100=0.3；w_C=20/100=0.2。*投资组合期望收益率E(R_p)=w_A*E(R_A)+w_B*E(R_B)+w_C*E(R_C)=0.5*12%+0.3*10%+0.2*8%=6%+3%+1.6%=10.6%。*投资组合方差Var(R_p)=w_A^2*Var(R_A)+w_B^2*Var(R_B)+w_C^2*Var(R_C)+2*w_A*w_B*COV(R_A,R_B)+2*w_A*w_C*COV(R_A,R_C)+2*w_B*w_C*COV(R_B,R_C)=w_A^2*σ_A^2+w_B^2*σ_B^2+w_C^2*σ_C^2+2*w_A*w_B*ρ(A,B)*σ_A*σ_B+2*w_A*w_C*ρ(A,C)*σ_A*σ_C+2*w_B*w_C*ρ(B,C)*σ_B*σ_C=(0.5^2*18^2)+(0.3^2*15^2)+(0.2^2*10^2)+2*(0.5*0.3*0.4*18*15)+2*(0.5*0.2*(-0.2)*18*10)+2*(0.3*0.2*0.1*15*10)=(0.25*324)+(0.09*225)+(0.04*100)+(2*0.06*0.4*18*15)+(2*0.1*(-0.2)*18*10)+(2*0.06*0.1*15*10)=81+20.25+4+3.24-7.2+1.8=103.09。*投资组合标准差σ_p=sqrt(Var(R_p))=sqrt(103.09)≈10.15%。12.计算过程：*(1)*样本均值:\bar{X}=(8+12-3+5+10+15+0-2+7+9)/10=51/10=5.1%。*样本方差:s^2=[(8-5.1)^2+(12-5.1)^2+...+(9-5.1)^2]/(10-1)=[(2.9)^2+(6.9)^2+(-8.1)^2+(0.1)^2+(4.9)^2+(9.9)^2+(-5.1)^2+(-7.1)^2+(1.9)^2+(3.9)^2]/9=[8.41+47.61+65.61+0.01+24.01+98.01+26.01+50.41+3.61+15.21]/9=333.9/9≈37.1。*样本标准差:s=sqrt(37.1)≈6.09%。*样本偏度:Skewness=[n/((n-1)(n-2))]*[sum((x_i-\bar{X})^3)/s^3]=[10/((9*8))]*[((2.9)^3+...+(3.9)^3)/37.1^(3/2)]=[10/72]*[(246.39+...+59.319)/219.5]=[10/72]*[972.469/219.5]≈(10/72)*4.426≈0.615。*样本峰度:Kurtosis=[n(n+1)/((n-1)^2(n-2)(n-3))]*[sum((x_i-\bar{X})^4)/s^4]-3=[10*11/(9^2*8*7)]*[((2.9)^4+...+(3.9)^4)/37.1^2]-3=[110/4536]*[(203.388+...+795.619)/1377.61]-3=[110/4536]*[2468.937/1377.61]-3≈(110/4536)*1.79-3≈0.043-3=-2.957。*(2)*原假设H0:μ≤5%(或E(R)≤5%)。备择假设H1:μ>5%。*选择t检验，检验统计量t=(\bar{X}-μ_0)/(s/sqrt(n))=(5.1-5)/(6.09/sqrt(10))=0.1/(6.09/3.162)=0.1/1.928≈0.052。*自由度df=n-1=10-1=9。*对于α=0.05，单尾检验，查t分布表得临界值t_critical≈1.833。*做出决策：比较t统计量与临界值。0.052<1.833。由于t统计量小于临界值，不能拒绝原假设H0。结论：没有足够的统计证据表明该组样本数据来自均值大于5%的正态分布总体。13.计算过程/说明：*原理：简单移动平均法是对最近k期数据赋予相同权重（1/k），然后计算加权平均值作为下一期的预测值。它通过平均化来平滑短期波动，捕捉数据的趋势。*计算Ŷ_{13}：Ŷ_{13}=(Y_{13-12}+Y_{13-11}+...+Y_{13-1})/12=(Y_{2}+Y_{3}+...+Y_{12})/12。即取第2个月到第12个月的数据，计算这12个月的平均值作为第13个月的预测值。14.解释：*回归系数1.2的含义：当市场指数收益率每变动一个单位（例如1%）时，股票X的收益率预计会变动1.2%（单位也是百分比）。这是衡量股票X对市场指数敏感度（或称贝塔系数β的初步估计）的指标。*R²=0.64的含义：该回归模型解释了股票X收益率变异性的64%。换句话说，股票X的收益率中有64%的变化可以用它与市场指数收益率之间的线性关系来解释，剩下的36%则由其他因素或随机波动引起。三、综合应用题15.回答：*(1)相关系数在此分析中可以用来初步衡量股票A/B与行业指数之间线性关系的强弱和方向，判断其与行业的同步性。简单线性回归模型则可以更精确地量化这种关系，给出股票收益率如何随行业指数变动（即斜率系数），并评估模型的拟合优度（R²），从而更深入地评价股票A/B作为行业代表性或投资标的的潜力。*(2)初步评价：股票A与行业指数相关性高（0.7），回归系数也较大（1.3），表明其与行业走势关联性强，