2025统计师考试时间序列分析专项试题及答案

2025统计师考试时间序列分析专项试题及答案

一、单项选择题（总共10题，每题2分）1.时间序列中由长期发展趋势引起的波动称为（）。A.季节波动B.循环波动C.趋势变动D.不规则波动2.平稳时间序列的自相关函数（ACF）应满足（）。A.随滞后阶数增加呈指数衰减B.仅短期相关且最终趋于0C.长期保持显著相关D.无固定衰减模式3.若某序列的偏自相关函数（PACF）在2阶后截尾，自相关函数（ACF）拖尾，则最可能的模型是（）。A.AR(2)B.MA(2)C.ARMA(2,2)D.ARIMA(2,1,2)4.单位根检验（如ADF检验）的主要目的是（）。A.检验序列是否存在季节成分B.检验序列是否平稳C.检验模型参数是否显著D.检验预测误差是否为白噪声5.指数平滑法中，平滑系数α取值越大，表明（）。A.对近期数据的加权越小B.对历史数据的加权越平均C.对近期数据的加权越大D.对趋势的调整越保守6.时间序列分解中，若采用乘法模型，各成分的关系为（）。A.观测值=趋势×季节×循环×不规则B.观测值=趋势+季节+循环+不规则C.观测值=趋势×季节+循环+不规则D.观测值=趋势+季节×循环×不规则7.白噪声序列的自相关系数在所有非零滞后阶数下应（）。A.显著不为0B.近似为0C.呈周期性波动D.单调递减8.ARIMA(p,d,q)模型中，d表示（）。A.自回归阶数B.移动平均阶数C.差分次数D.季节周期长度9.评估预测效果时，均方误差（MSE）与平均绝对误差（MAE）的主要区别在于（）。A.MSE对大误差更敏感B.MAE计算更复杂C.MSE考虑误差符号D.MAE受异常值影响更大10.季节指数大于1，说明该季节的观测值（）。A.低于全年平均水平B.高于全年平均水平C.与平均水平一致D.波动无规律二、填空题（总共10题，每题2分）1.时间序列的四大构成成分包括趋势变动、季节波动、循环波动和__________。2.AR(p)模型的数学表达式为__________（用符号表示）。3.ADF检验的原假设是序列存在__________。4.指数平滑法中，平滑系数α的取值范围是__________。5.自相关函数（ACF）的取值范围是__________。6.计算季节指数时，通常需要先消除__________的影响。7.对非平稳序列进行d阶差分后变为平稳序列，对应的模型是__________。8.白噪声序列的均值为__________，方差为常数。9.ARCH模型主要用于刻画时间序列的__________波动特征。10.预测区间的宽窄与样本量、预测期长度和__________有关。三、判断题（总共10题，每题2分）1.季节波动的周期通常固定为12个月或4个季度。（）2.平稳时间序列的均值和方差会随时间变化。（）3.MA(1)模型的自相关函数（ACF）在1阶后截尾。（）4.ARIMA(p,d,q)中的d是自回归阶数。（）5.指数平滑法适用于具有明显趋势或季节成分的序列。（）6.单位根存在意味着时间序列非平稳。（）7.白噪声序列的所有自相关系数均显著不为0。（）8.偏自相关函数（PACF）在AR(p)模型中会在p阶后截尾。（）9.循环波动与季节波动的区别在于周期长度是否固定。（）10.预测误差的MAE考虑了误差的符号。（）四、简答题（总共4题，每题5分）1.简述时间序列分解分析的主要步骤。2.平稳时间序列需满足哪些条件？3.简述Box-Jenkins方法在ARMA模型识别中的主要步骤。4.指数平滑法与ARIMA模型的联系与区别是什么？五、讨论题（总共4题，每题5分）1.如何选择ARIMA模型的合适阶数（p,d,q）？需考虑哪些关键指标？2.单位根检验在时间序列分析中为何重要？若忽略单位根检验可能导致什么问题？3.季节调整的意义是什么？常用的季节调整方法有哪些？4.预测误差评估时，如何根据实际需求选择MSE、MAE或MAPE等指标？答案及解析一、单项选择题1.C2.B3.A4.B5.C6.A7.B8.C9.A10.B二、填空题1.不规则波动2.\(X_t=\phi_1X_{t-1}+\dots+\phi_pX_{t-p}+\varepsilon_t\)（或类似表达式）3.单位根（或非平稳）4.\(0<\alpha<1\)5.[-1,1]6.趋势（或趋势和循环）7.ARIMA(p,d,q)8.0（或常数）9.异方差（或波动集群性）10.模型误差方差（或预测不确定性）三、判断题1.√2.×（平稳序列均值、方差不随时间变化）3.√4.×（d为差分次数）5.×（指数平滑法需调整以适应趋势/季节）6.√7.×（白噪声ACF非零滞后阶数近似为0）8.√9.√10.×（MAE不考虑符号）四、简答题1.步骤：①确定时间序列成分类型（加法/乘法模型）；②分离趋势成分（如移动平均法）；③分离季节成分（计算季节指数）；④剩余部分为循环和不规则成分；⑤验证各成分合理性。2.条件：①均值为常数，不随时间变化；②方差为常数，不随时间变化；③任意两个时期的协方差仅与滞后阶数有关，与时间起点无关。3.步骤：①模型识别：通过ACF和PACF图判断AR、MA或ARMA阶数；②参数估计：用极大似然法等估计模型参数；③诊断检验：检验残差是否为白噪声，若否调整阶数。4.联系：均用于时间序列预测，指数平滑法可视为ARIMA的特例（如简单指数平滑对应ARIMA(0,1,1)）。区别：ARIMA需明确阶数，适用于复杂结构；指数平滑法计算简便，依赖经验选择平滑系数。五、讨论题1.选择阶数时，首先通过ADF检验确定d（差分次数）；然后观察ACF和PACF图初步判断p、q；再结合AIC/BIC信息准则选择最小的模型；同时检验残差是否为白噪声。关键指标包括ACF/PACF截尾性、AIC/BIC值、残差Ljung-Box检验结果。2.单位根检验用于判断序列是否平稳。若忽略检验，直接建模可能导致“伪回归”（虚假相关），模型参数估计非有效，预测结果不可靠。平稳性是ARMA/ARIMA模型的前提，非平稳序列需差分后建模。3.季节调整可消除季节因素影响，揭示序列长期趋势和循环波动，便于跨期比较。常用方法有X-13ARIMA-SEATS（基于ARIMA模型