CFA二级2025数量方法真题及详细解析

CFA二级2025数量方法真题及详细解析

一、单项选择题（每题2分，共20分）1.在多元线性回归中，若方差膨胀因子VIF=12，则最恰当的处理是A.删除所有解释变量B.保留变量但使用稳健标准误C.立即采用主成分分析D.直接接受结果，无需修正答案：B2.对时间序列做单位根检验，ADF检验统计量−2.1，5%临界值−3.4，则A.拒绝原假设，序列平稳B.不拒绝原假设，存在单位根C.序列一定I(0)D.需改用KPSS检验答案：B3.使用GARCH(1,1)估计波动率，长期无条件方差公式为A.ω/(1−α−β)B.ω/(α+β)C.(α+β)/ωD.ω(1−α−β)答案：A4.若Logit模型系数为0.8，则边际效应最大出现在A.概率为0B.概率为0.5C.概率为1D.与概率无关答案：B5.机器学习中，关于k折交叉验证的错误表述是A.可降低过度拟合风险B.k越大一定降低偏差C.计算成本随k增加D.通常取k=5或10答案：B6.主成分分析第一主成分方差贡献率85%，则第二主成分A.方差贡献率一定15%B.可能大于15%C.必小于第一主成分D.与原始变量无关答案：C7.对收益率做Fama-French三因子回归，若HML系数显著为负，说明组合A.偏好高账面市值比B.偏好低账面市值比C.与市场因子无关D.仅受规模影响答案：B8.在蒙特卡洛模拟中，降低方差的技术不包括A.对偶变量法B.控制变量法C.增加路径数D.重要性抽样答案：C9.若两个模型AIC分别为−220、−225，则A.第一个模型更优B.第二个模型更优C.无法比较D.需看样本量答案：B10.对月度收益率做6阶序列相关检验，Q统计量显著，则最佳下一步A.直接建模AR(6)B.采用Newey-West标准误C.增加更多滞后阶D.改用指数平滑答案：B二、填空题（每题2分，共20分）11.若Durbin-Watson统计量为0.8，则一阶自相关系数近似________。答案：0.612.在岭回归中，当惩罚系数λ→∞，系数估计趋近于________。答案：013.若随机变量X~N(0,1)，则E[max(X−c,0)]称为________函数。答案：看涨期权价格或正部期望14.对AR(2)过程，特征方程1−φ1z−φ2z^2=0的根模均大于1，则过程________。答案：平稳15.在LASSO回归中，λ增加会导致变量个数________。答案：减少16.若样本偏度为−0.8，则分布左侧尾部比右侧________。答案：长17.对收益率进行指数加权移动平均，衰减因子λ=0.94，则最近一期权重为________。答案：0.9418.当解释变量为滞后因变量时，DW检验失效，应改用________检验。答案：Breusch-Godfrey19.在Bootstrap中，对原始样本重复抽样的次数通常不少于________次。答案：100020.若因子模型中特异误差方差为0.09，公因子方差为0.41，则共性方差为________。答案：0.41三、判断题（每题2分，共20分）21.若回归残差呈ARCH效应，则OLS系数估计有偏。答案：错误22.当样本量趋于无穷大，AIC与BIC选择的模型一定相同。答案：错误23.在随机森林中增加树的数量会降低过拟合风险。答案：错误24.若两个变量协整，则它们各自必为I(1)。答案：正确25.对数变换可同时缓解异方差与偏态。答案：正确26.当惩罚回归的λ=0，岭回归等价于OLS。答案：正确27.K-means聚类需要预先指定簇数量。答案：正确28.若Q-Q图呈S形，则提示尾部比正态更薄。答案：错误29.在状态空间模型中，卡尔曼滤波可用于预测与平滑。答案：正确30.当模型存在遗漏变量，则OLS估计一定不一致。答案：错误四、简答题（每题5分，共20分）31.简述多重共线性对投资组合风险归因的影响，并给出两种检测方法。答案：多重共线性使因子收益协方差矩阵接近奇异，导致风险贡献估计不稳定，出现负贡献或超额贡献。检测可用方差膨胀因子VIF>10或条件数>30判断。补救包括删除高相关因子、主成分压缩或岭回归。32.说明GARCH模型在VaR计算中的优势与局限。答案：GARCH能刻画波动聚集与厚尾，生成动态VaR，比历史模拟更前瞻。局限在于参数设定误差、对极端事件仍低估风险，且多元GARCH计算复杂。需结合压力测试与极值理论改进。33.解释机器学习中过拟合与偏差-方差权衡，并给出缓解方案。答案：过拟合指模型在训练集表现好但测试集差，源于高方差。偏差-方差权衡指降低偏差会增加方差。缓解可用交叉验证、正则化、早停、集成方法或增加训练数据，以找到预测误差最小点。34.描述协整关系在配对交易中的作用，并说明如何检验协整。答案：协整保证价差长期稳定，使配对交易可做空高估、做多低估资产。检验先用ADF判断两资产I(1)，再用Engle-Granger或Johansen检验残差平稳，若协整存在即可设计价差均值回归策略。五、讨论题（每题5分，共20分）35.讨论大数据环境下传统OLS与惩罚回归在因子选股中的适用性差异。答案：大数据带来高维共线与噪声，OLS估计方差大、解释性弱。惩罚回归通过压缩或筛选降低过拟合，提高样本外预测，且计算高效。但惩罚回归需调参，可能误删真因子；OLS在低频小样本仍具可解释优势。实际可先用惩罚回归筛选，再用OLS估计权重，兼顾稳健与解释。36.比较历史模拟、参数法与蒙特卡洛法在ES计算中的精度与效率，并给出选择建议。答案：历史模拟无分布假设、易实现，但受样本期影响、对尾部欠敏感；参数法假设分布，计算快，然而误设导致偏差；蒙特卡洛可灵活设定分布、处理非线性，精度高但计算量大。建议：若资产非线性高且计算资源足，选蒙特卡洛；若分布近似正态，用参数法；若数据缺乏，用历史模拟并加权改进。37.探讨机器学习可解释性在资产管理中的监管与实务挑战。答案：黑箱模型难满足监管对透明、可审计要求，客户亦需理解策略逻辑。实务中可用SHAP、LIME解释特征贡献，或采用单调约束模型。挑战在于解释稳定性、维度诅咒及商业机密冲突。折中方案包括建立可解释层、定期验证、设置模型委员会，确保合规与信任。38.分析状态空间模型在