2025年CFA二级《数量方法》考后首发真题及答案

2025年CFA二级《数量方法》考后首发真题及答案

一、单项选择题（总共10题，每题2分）1.在时间序列分析中，若一个序列的均值、方差和自协方差均随时间变化，则该序列最可能属于以下哪种类型？A.平稳序列B.非平稳序列C.白噪声序列D.随机游走序列2.关于协整关系的描述，以下哪项是正确的？A.协整关系只存在于平稳时间序列之间B.协整变量的线性组合一定是平稳的C.协整关系意味着变量之间存在短期均衡关系D.所有非平稳序列之间都存在协整关系3.在回归分析中，若解释变量之间存在高度相关性，会导致以下哪种问题？A.异方差性B.自相关性C.多重共线性D.模型设定错误4.下列哪种检验方法常用于判断时间序列是否具有单位根？A.ARCH检验B.格兰杰因果检验C.ADF检验D.怀特检验5.关于ARCH模型，以下说法错误的是？A.用于描述时间序列的波动聚集现象B.假设残差的方差是常数C.是GARCH模型的基础D.常用于金融时间序列分析6.在蒙特卡洛模拟中，增加模拟次数的主要影响是？A.提高计算效率B.减少模型误差C.降低估计值的方差D.增加模型复杂度7.若一个投资组合的收益率分布呈现尖峰厚尾特征，以下哪种分布最可能适合描述该组合？A.正态分布B.均匀分布C.t分布D.泊松分布8.在贝叶斯统计中，先验分布的作用是？A.描述样本数据的分布B.表达对参数的初始信念C.用于计算最大似然估计D.确定假设检验的显著性水平9.关于机器学习中的过拟合问题，以下哪项描述是正确的？A.过拟合模型在训练集上表现差，在测试集上表现好B.增加模型复杂度可以避免过拟合C.过拟合是由于模型过于简单导致的D.正则化是减少过拟合的常用方法10.在时间序列预测中，ARIMA模型中的“I”代表什么？A.自回归B.移动平均C.积分D.季节性二、填空题（总共10题，每题2分）1.在时间序列分析中，___________检验用于判断序列是否平稳。2.若两个非平稳序列之间存在长期均衡关系，则称它们具有___________。3.在回归分析中，若残差的方差随解释变量变化，则称为___________问题。4.GARCH模型是对___________模型的扩展，用于描述波动率聚类。5.在蒙特卡洛模拟中，通过生成___________来估计金融资产的价值。6.贝叶斯定理的公式为：后验概率∝___________×先验概率。7.机器学习中，___________是一种通过减少模型复杂度来防止过拟合的技术。8.ARIMA(p,d,q)模型中，参数d表示序列需要___________的次数。9.在协整分析中，___________检验用于确定变量之间是否存在长期均衡关系。10.若一个时间序列的ACF图缓慢衰减，而PACF图在滞后1阶后截尾，则该序列可能适合___________模型。三、判断题（总共10题，每题2分）1.所有非平稳时间序列都可以通过差分变为平稳序列。（）2.协整关系意味着变量之间存在因果关系。（）3.在回归分析中，异方差性不会影响估计量的无偏性，但会影响有效性。（）4.ARCH模型假设残差项独立同分布，且方差恒定。（）5.蒙特卡洛模拟的结果总是精确的，不受模拟次数的影响。（）6.贝叶斯统计中，先验分布的选择对后验分布没有影响。（）7.机器学习模型在训练集上表现越好，在测试集上的表现也一定越好。（）8.ARIMA模型可以用于预测具有季节性特征的时间序列。（）9.若两个变量是协整的，则它们的线性组合一定是平稳的。（）10.在时间序列分析中，白噪声序列一定是平稳序列。（）四、简答题（总共4题，每题5分）1.请简要说明协整分析在金融时间序列分析中的应用及其意义。2.解释ARCH模型的基本思想，并说明其在金融风险管理中的作用。3.简述贝叶斯统计与频率统计的主要区别。4.什么是过拟合？在机器学习中，有哪些方法可以避免过拟合？五、讨论题（总共4题，每题5分）1.讨论时间序列平稳性对金融建模的重要性，并举例说明非平稳序列可能带来的问题。2.比较ARIMA模型和GARCH模型在金融时间序列预测中的优缺点。3.分析蒙特卡洛模拟在金融风险管理中的应用，并讨论其局限性。4.探讨机器学习模型在量化投资中的潜在优势与挑战。答案与解析一、单项选择题答案1.B2.B3.C4.C5.B6.C7.C8.B9.D10.C二、填空题答案1.单位根2.协整关系3.异方差性4.ARCH5.随机数6.似然函数7.正则化8.差分9.恩格尔-格兰杰10.AR(1)三、判断题答案1.×2.×3.√4.×5.×6.×7.×8.√9.√10.√四、简答题答案1.协整分析用于检验非平稳金融时间序列之间是否存在长期均衡关系。例如，股票价格和宏观经济变量可能各自非平稳，但它们的线性组合可能是平稳的，表明它们之间存在长期稳定关系。这有助于构建统计套利策略，避免伪回归问题，提高模型预测的准确性。2.ARCH模型通过让残差的方差依赖于过去残差的平方，捕捉金融时间序列的波动聚集现象。在风险管理中，它能更准确地估计资产价格的波动率，从而改进VaR计算和期权定价模型，帮助投资者更好地控制风险。3.贝叶斯统计将参数视为随机变量，利用先验分布和样本数据计算后验分布，强调主观概率和更新信念。频率统计则将参数视为固定值，依赖重复抽样和假设检验，强调客观概率。贝叶斯方法更灵活，适合小样本分析，而频率统计更注重大样本性质。4.过拟合指模型在训练集上表现良好，但在未见数据上表现差的现象。避免方法包括：增加训练数据、使用交叉验证、正则化（如L1、L2）、简化模型结构、早停法以及集成学习（如随机森林）等。五、讨论题答案1.时间序列平稳性是金融建模的基础，因为许多统计方法（如回归分析）假设数据平稳。非平稳序列可能导致伪回归，例如，两个不相关的非平稳序列可能显示显著相关性，误导投资决策。差分是常用平稳化方法，但可能丢失长期信息。2.ARIMA模型擅长捕捉时间序列的趋势和季节性，适合短期预测，但假设方差恒定，难以处理金融数据的波动聚类。GARCH模型能有效建模时变波动率，改进风险度量，但参数估计复杂，对长期预测能力有限。结合两者可提升预测精度。3.蒙特卡洛模拟通过随机抽样评估金融风险，如计算VaR和期权定价。其优势在于灵活性，能处理复杂模型和非