CFA二级2025数量方法真题高分攻略题库

CFA二级2025数量方法真题高分攻略题库

一、单项选择题（共10题，每题2分）1.在多元线性回归中，若方差膨胀因子VIF_j=8.5，则变量j的系数标准误约膨胀为原来的A.1.04倍 B.1.41倍 C.2.06倍 D.2.92倍2.当使用Newey-West标准误修正序列相关时，其修正后的t统计量分布仍近似服从A.χ² B.F C.t D.标准正态3.对AR(2)模型y_t=0.4+0.6y_{t-1}-0.2y_{t-2}+ε_t，其特征方程的根为A.1与0.2 B.1.25与5 C.1.25与-5 D.5与-1.254.在Logit模型中，若某解释变量边际效应为0.12，则该变量每增加1单位，事件概率平均提高A.0.12% B.1.2% C.12% D.无法确定5.对GARCH(1,1)模型σ_t²=ω+αε_{t-1}²+βσ_{t-1}²，若α+β=0.98，则波动率半衰期约为A.34天 B.50天 C.69天 D.138天6.在多元回归中，若遗漏重要变量且该变量与已含变量相关，则OLS估计量A.无偏但非一致 B.有偏且非一致 C.有偏但一致 D.无偏且一致7.对随机游走加漂移模型y_t=0.05+y_{t-1}+ε_t，其长期预测值A.收敛到0.05 B.发散到无穷 C.收敛到无条件均值 D.保持初始值8.在机器学习中，若LASSO回归的惩罚系数λ增大，则模型方差与偏差的变化方向为A.方差↑偏差↓ B.方差↓偏差↑ C.均↑ D.均↓9.对两资产组合，若相关系数ρ=-1，则最小方差组合的标准差A.等于0 B.等于两资产标准差之和 C.等于两资产标准差之差 D.无法确定10.在蒙特卡洛模拟中，若使用对偶变量技术，其方差减少比例取决于A.变量间相关系数 B.模拟次数 C.初始种子 D.概率分布类型二、填空题（共10题，每题2分）11.若Durbin-Watson统计量为0.85，样本量100，解释变量3个，则在5%显著性下可判断误差项存在________。12.对AR(1)模型y_t=φy_{t-1}+ε_t，若|φ|≥1，则过程为________。13.在Probit模型中，连接函数为________的累积分布函数。14.当使用逐步回归法选择变量时，AIC惩罚项为________。15.若ARCHLM检验的F统计量为12.3，临界值3.2，则原假设________。16.对随机波动率模型，若波动率方程引入杠杆效应，则系数符号通常为________。17.在Bootstrap估计中，若样本量n=60，采用有放回抽样，则任一观测被抽中的概率为________。18.若多元回归R²=0.82，调整R²=0.80，则新增变量数为________。19.对两因子APT模型，若因子风险溢价分别为3%与-1%，组合因子载荷为1.2与0.8，则预期超额收益为________%。20.在机器学习交叉验证中，若k=5且样本量200，则每次训练集样本量约为________。三、判断题（共10题，每题2分）21.当解释变量为滞后因变量时，Durbin-Watson检验仍适用于检测一阶序列相关。22.若残差呈正态分布，则White检验与Breusch-Pagan检验结果必然相同。23.对平稳ARMA过程，其自相关函数呈指数衰减。24.在Logit模型中，伪R²可直接与线性回归R²比较大小。25.当GARCH模型α+β>1时，条件方差过程为协方差平稳。26.若两变量协整，则它们各自必为I(1)过程。27.对随机森林模型，增加树的数量一定能降低测试误差。28.在蒙特卡洛模拟中，使用控制变量技术需知道解析期望。29.若回归模型存在多重共线性，则预测精度一定下降。30.当使用岭回归时，若λ→∞，则所有系数趋于零。四、简答题（共4题，每题5分）31.简述如何运用Engle-Granger两步法检验两变量协整关系，并说明每一步的关键统计量。32.说明GARCH模型中“波动率聚集”现象的经济含义，并写出其数学表现。33.比较LASSO与逐步回归在变量选择机制上的差异，并指出各自对高维数据的适用性。34.阐述在机器学习回测中“前视偏差”产生的典型场景，并给出两条具体防范措施。五、讨论题（共4题，每题5分）35.讨论在因子模型中引入机器学习非线性算法可能带来的“黑箱”风险，并提出可供CFA持证人向客户解释的可视化方案。36.当央行政策呈现非对称效应时，探讨使用TGARCH与EGARCH两类模型捕捉杠杆效应的优劣，并联系市场风险溢价进行说明。37.结合《CFAInstitute道德规范》，讨论在量化策略营销中披露过拟合风险的必要性，并给出可量化的披露指标示例。38.面对高维协方差矩阵估计，比较压缩估计与因子模型在资产配置稳定性上的差异，并讨论其对跟踪误差的影响。答案与解析一、单项选择题1.D 2.C 3.B 4.B 5.C 6.B 7.B 8.B 9.C 10.A二、填空题11.正的一阶序列相关 12.非平稳 13.标准正态 14.2k 15.拒绝 16.负 17.1-(59/60)^60≈0.632 18.2 19.2.8 20.160三、判断题21.F 22.F 23.T 24.F 25.F 26.T 27.F 28.T 29.F 30.T四、简答题（每题约200字）31.第一步：对两变量做OLS回归，得残差e_t；第二步：对e_t做ADF检验。若ADF统计量小于临界值，则拒绝“存在单位根”原假设，判定协整。关键统计量：第一步的t值用于判断长期关系符号，第二步ADFtau值用于判断平稳。32.波动率聚集指“大幅波动后常伴随大幅，小幅后常小幅”。数学上表现为ε_t²的自相关函数显著不为零，GARCH条件方差方程σ_t²=ω+αε_{t-1}²+βσ_{t-1}²中α+β接近1，使过去冲击对未来波动持续影响。33.LASSO通过L1惩罚将系数压缩至零，实现连续变量选择；逐步回归用F或AIC逐步增删变量，属离散搜索。高维场景下LASSO计算稳定且可处理p>>n，逐步回归易陷入局部最优且计算量随p指数增。34.前视偏差指用未来信息训练模型，如用全样本均值标准化、未来财报数据等。防范：1)严格按时间顺序滚动训练验证，2)构建point-in-time数据集，确保每次训练只用截至当时可获信息。五、讨论题（每题约200字）35.非线性算法提升预测力却降低可解释性，客户难理解因子贡献。可用SHAP值分解、部分依赖图展示主要因子边际效应，并以“特征贡献排名”替代复杂方程，使客户看到关键驱动及其经济逻辑，符合StandardV(B)沟通要求。36.TGARCH用σ_t²=ω+αε_{t-1}²+γε_{t-1}²I_{ε<0}+βσ_{t-1}²，EGARCH用ln形式，后者保证方差为正且对杠杆效应更灵活。若利空导致风险溢价跳升，EGARCH可刻画非对称对数效应，参数更易收敛；TGARCH参数直观，但需约束非负。市场风险溢价上升时，EGARCH对下行波动预测更敏感，利于及时调高贴现率。37.过拟合使回测夏普虚高，违反StandardC(B)“合理基础”原则。披露指标：1)回测与实盘的夏普比率差异ΔSR，2)组合Turnover-adjustedSR惩罚。