2025年CFA二级数量方法真题及答案覆盖100%考纲考点

2025年CFA二级数量方法真题及答案覆盖100%考纲考点

一、单项选择题（总共10题，每题2分）1.在多元回归分析中，若存在异方差性，以下哪项结论正确？A.普通最小二乘法（OLS）估计量不再无偏B.系数的标准误会被低估C.模型的预测区间仍然有效D.t检验的显著性水平会被扭曲2.对于时间序列数据，若ADF检验的p值大于0.05，最可能的结论是：A.序列存在单位根（非平稳）B.序列是平稳的C.序列存在自相关D.序列存在异方差3.面板数据模型中，固定效应模型（FixedEffectsModel）的关键假设是：A.个体效应与解释变量不相关B.个体效应与解释变量相关C.时间效应与解释变量不相关D.误差项存在自相关4.蒙特卡洛模拟中，若要模拟资产价格路径，最关键的输入参数是：A.历史收益率的最大值B.收益率的波动率和漂移率C.交易成本D.市场流动性指标5.若残差的平方序列存在显著的自相关，最可能需要使用的模型是：A.ARMA模型B.GARCH模型C.多元回归模型D.面板数据模型6.自相关（序列相关）会导致OLS估计量的：A.无偏性丧失B.有效性降低C.一致性丧失D.线性性丧失7.在比较两个多元回归模型时，若模型A的AIC值为-150，模型B的AIC值为-130，应选择：A.模型A，因为AIC更小B.模型B，因为AIC更大C.模型A，因为AIC更大D.模型B，因为AIC更小8.贝叶斯统计中，后验概率的计算依赖于：A.似然函数和先验概率B.仅似然函数C.仅先验概率D.样本均值和方差9.高频数据（High-FrequencyData）分析中，已实现波动率（RealizedVolatility）的计算基于：A.日收盘价的方差B.日内高频收益率的平方和C.周收益率的标准差D.月收益率的协方差10.以下哪种模型属于非线性回归模型？A.多元线性回归模型B.Logit模型C.固定效应模型D.AR(1)模型二、填空题（总共10题，每题2分）1.方差膨胀因子（VIF）大于____时，通常认为存在严重多重共线性。2.ARCH(p)模型中，p表示____的滞后阶数。3.GARCH(1,1)模型的参数需满足α+β<1，以保证____。4.贝叶斯定理中，后验概率=（似然函数×先验概率）/____。5.信息准则（如AIC、BIC）的值越____，模型拟合效果越好。6.随机游走模型（RandomWalk）的一阶差分结果是____。7.多重共线性会导致系数估计的标准误____（填“增大”或“减小”）。8.马尔可夫链（MarkovChain）的核心性质是____。9.预测误差的方差由模型误差方差和____方差共同决定。10.常见的非线性模型除Logit模型外，还有____模型（举一例）。三、判断题（总共10题，每题2分）1.异方差性会导致OLS估计量的有偏性。（）2.单位根过程（UnitRootProcess）是平稳时间序列。（）3.固定效应模型通过引入个体虚拟变量控制不随时间变化的个体异质性。（）4.GARCH模型可以捕捉金融时间序列的“波动聚类”现象。（）5.贝叶斯统计方法不需要设定先验分布。（）6.多重共线性会导致t统计量的绝对值减小，从而更难拒绝原假设。（）7.ARCH模型用于检验和建模条件异方差性。（）8.马尔可夫链的未来状态仅依赖于当前状态，与历史无关。（）9.AIC和BIC值越小，说明模型对数据的拟合能力越强且复杂度越低。（）10.非线性回归模型无法使用OLS方法估计参数。（）四、简答题（总共4题，每题5分）1.比较固定效应模型（FixedEffects）与随机效应模型（RandomEffects）的假设条件及适用场景。2.简述检验多元回归模型中自相关的常用方法及步骤。3.解释GARCH(1,1)模型的结构，并说明其相比ARCH模型的优势。4.贝叶斯统计与频率统计（经典统计）的核心差异是什么？五、讨论题（总共4题，每题5分）1.讨论多元回归中多重共线性的检测方法及解决措施。2.阐述时间序列建模的一般流程，并说明各步骤的关键检验。3.分析面板数据模型选择（固定效应/随机效应/混合OLS）的影响因素。4.结合金融实践，讨论蒙特卡洛模拟的应用场景及主要局限性。答案一、单项选择题1-5：DABBB；6-10：BAABB二、填空题1.10；2.残差平方项；3.波动率的平稳性；4.边际似然；5.小；6.白噪声；7.增大；8.无记忆性（或“仅依赖当前状态”）；9.参数估计；10.Probit（或“多项式回归”等）三、判断题1-5：××√√×；6-10：√√√√√四、简答题1.固定效应假设个体效应（如截面或时间个体的特征）与解释变量相关，通过引入虚拟变量控制个体异质性，适用于个体效应与解释变量相关的场景；随机效应假设个体效应与解释变量不相关，使用广义最小二乘法（GLS）估计，适用于个体效应为随机扰动的场景。2.常用方法包括Durbin-Watson检验（适用于一阶自相关）和Breusch-Godfrey检验（适用于高阶自相关）。步骤：（1）估计原模型并得到残差；（2）构建辅助回归（如残差对滞后残差和原解释变量回归）；（3）计算检验统计量（如DW统计量或LM统计量）；（4）比较临界值或p值，判断是否存在自相关。3.GARCH(1,1)模型结构为：σₜ²=ω+αεₜ₋₁²+βσₜ₋₁²，其中σₜ²为条件方差，εₜ₋₁²为滞后残差平方（ARCH项），σₜ₋₁²为滞后条件方差（GARCH项）。相比ARCH模型，GARCH通过引入滞后条件方差项，用更少参数捕捉长期波动记忆，避免ARCH高阶估计的复杂度。4.核心差异：贝叶斯统计将参数视为随机变量，通过先验分布和样本数据计算后验分布；频率统计将参数视为固定值，基于样本数据的似然函数进行推断（如点估计、假设检验）。贝叶斯方法纳入先验信息，频率统计仅依赖样本数据。五、讨论题1.检测方法：（1）相关系数矩阵（高相关性变量）；（2）方差膨胀因子（VIF>10）；（3）条件指数（>30）。解决措施：（1）剔除冗余变量；（2）增加样本量；（3）主成分分析或因子分析降维；（4）岭回归（有偏估计）。2.流程：（1）平稳性检验（ADF检验，若不平稳则差分）；（2）确定模型阶数（ACF/PACF图、信息准则AIC/BIC）；（3）估计模型参数（如AR(p)、MA(q)、ARMA(p,q)）；（4）残差检验（是否为白噪声，用Ljung-Box检验）；（5）模型预测。关键检验包括平稳性（ADF）、阶数选择（信息准则）、残差白噪声（Ljung-Box）。3.影响因素：（1）个体效应与解释变量的相关性（Hausman检验，若相关选固定效应）；（2）数据特性（短面板更适合随机效应，长面板适合固定效应）；（3）研究问题（关注个体异质性是否与解释变量相关）；（4）假设合理性（随机效应需满足个体效应与解释