CFA二级2025数量方法真题必考题库及答案

CFA二级2025数量方法真题必考题库及答案

一、单项选择题（每题2分，共20分）1.在多元回归中，若两个解释变量相关系数为0.85，则最可能出现的后果是A.系数标准误被低估 B.系数估计值有偏 C.系数标准误被高估 D.R²急剧下降2.对AR(1)过程yt=0.6yt−1+εt，其半衰期最接近A.1期 B.2期 C.3期 D.4期3.若ARCH(1)检验显著，则正确的修正方法是A.Newey-West B.White C.GARCH D.Cochrane-Orcutt4.在Logit模型中，某变量边际效应计算应使用A.平均样本概率 B.样本均值处概率 C.概率密度函数 D.对数似然值5.对带结构突变的ADF检验，若忽略突变点，则A.检验势上升 B.容易接受单位根 C.容易拒绝单位根 D.分布无变化6.当因变量为计数数据且存在过度离散时，优先采用A.OLS B.Poisson C.Negativebinomial D.Probit7.在机器学习的k-fold交叉验证中，k增大通常导致A.偏差减小方差增大 B.偏差增大方差减小 C.计算成本下降 D.过拟合必然出现8.对随机森林模型，Out-of-Bag误差用于估计A.训练集误差 B.测试集误差 C.变量重要性 D.树节点纯度9.若收益率序列的峰度为8，则其超额峰度为A.8 B.5 C.3 D.010.在Bayesian线性回归中，若先验精度矩阵趋于零矩阵，则后验均值趋近A.最大似然估计 B.零向量 C.样本均值 D.先验均值二、填空题（每题2分，共20分）11.当回归模型存在异方差时，OLS估计量仍________但不再________。12.若MA(1)系数θ=−0.5，则其可逆性要求|θ|________。13.在GARCH(1,1)中，长期无条件方差公式为________。14.对面板数据固定效应模型，组内估计量通过________消除个体效应。15.当解释变量为滞后因变量且误差序列相关时，OLS估计量________。16.在LASSO回归中，惩罚参数λ增大将导致变量个数________。17.若两变量协整，则其线性组合为________过程。18.对MonteCarlo模拟，减小标准误需________样本量。19.在Probit模型中，系数βk表示xk每增加一单位，________的变化。20.当使用主成分分析降维时，第一主成分方向对应________最大方向。三、判断题（每题2分，共20分，正确写“T”，错误写“F”）21.若DW统计量接近2，则一定不存在自相关。22.当R²很高时，模型必然不存在遗漏变量。23.对I(1)序列直接做OLS回归可能产生伪回归。24.在Logit模型中，oddsratio恒为正数。25.若ARCH效应显著，则收益率条件方差随时间变化。26.随机森林中增加树的数量总能降低测试误差。27.当惩罚回归的λ=0时，LASSO等价于OLS。28.对协整向量进行标准化时，通常将第一个系数设为1。29.在MCMC抽样中，链的收敛可用Gelman-Rubin统计量判断。30.若模型设定正确，则信息准则AIC值一定小于BIC。四、简答题（每题5分，共20分）31.简述多重共线性对回归推断的具体影响及两种常用诊断指标。32.说明GARCH(1,1)模型中各参数的经济含义及其平稳条件。33.写出固定效应与随机效应面板模型假设差异，并给出Hausman检验原假设。34.概述k-fold交叉验证步骤，并指出其相对于单次验证的优势。五、讨论题（每题5分，共20分）35.讨论机器学习方法与传统计量模型在收益率预测中的互补性与局限性。36.考虑结构突变下单位根检验的sizedistortion问题，提出两种修正思路并比较。37.当因变量为受限因变量时，比较Tobit与Heckman选择模型的适用场景与识别条件。38.在ESG评分对股票收益的非线性影响研究中，如何结合惩罚回归与部分线性模型提升解释力？答案与解析一、1C2B3C4B5B6C7B8B9B10A二、11.无偏；有效12.<113.ω/(1−α−β)14.去均值15.有偏且不一致16.减少17.平稳18.增加19.潜变量y的均值20.方差三、21F22F23T24T25T26F27T28T29T30F四、31.多重共线性使系数标准误膨胀，t值减小，置信区间变宽，显著性下降；常用诊断：方差膨胀因子VIF>10或条件数>30。32.ω为长期平均方差，α为新息冲击系数，β为持续性；平稳要求α+β<1。33.固定效应假设个体效应与解释变量相关，随机效应假设无关；Hausman原假设：随机效应设定正确。34.步骤：随机分k份，轮流用k−1份训练、1份验证，循环k次取平均误差；优势：充分利用样本，误差估计方差小，避免偶然性。五、35.机器学习可捕捉非线性与高维交互，但可解释性差；计量模型提供参数检验与经济直觉；融合思路：用提升树提取非线性特征，再代入稀疏回归做推断。36.修正思路：1)引入虚拟变量与趋势项的Perron检验；2)采用滚动窗口或supADF检验突变点；比较：前者预设突变点，后者内生寻找，size控制更好。37.Tobit适用于因变量在零处截断且选择机制同质；Heckman适用于