2022年CFA二级数量方法考生回忆版+官方校正真题答案

2022年CFA二级数量方法考生回忆版+官方校正真题答案

一、单项选择题，(总共10题，每题2分)。1.在多元回归分析中，如果自变量之间存在高度相关性，这会导致什么问题？A)异方差B)多重共线性C)自相关D)模型过拟合2.时间序列数据平稳性的定义包括以下哪项？A)均值恒定B)方差恒定C)自协方差恒定D)所有以上3.假设检验中，当p-value小于显著性水平α时，应如何处理？A)拒绝原假设B)接受原假设C)增加样本量D)重新计算检验统计量4.相关系数r的取值范围是什么？A)-1到1B)0到1C)-∞到∞D)0到1005.AR(1)模型的数学表达式是什么？A)Y_t=c+φY_{t-1}+ε_tB)Y_t=ε_t+θε_{t-1}C)Y_t=c+φY_{t-1}+θε_{t-1}D)Y_t=μ+ε_t6.在回归分析中，R-squared统计量表示什么？A)模型拟合优度B)残差平方和C)自变量解释的因变量变异比例D)A和C7.95%置信区间的正确解释是什么？A)参数有95%概率落在区间内B)重复抽样时95%的区间包含真实参数值C)真实值有95%概率在区间内D)区间宽度固定8.异方差对OLS估计的影响是什么？A)系数无偏但标准误无效B)系数有偏C)系数不一致D)模型R-squared降低9.ADF检验主要用于检测什么？A)异方差B)单位根C)自相关D)正态性10.在假设检验中，TypeIerror的定义是什么？A)拒绝真原假设B)接受假原假设C)拒绝假原假设D)接受真原假设二、填空题，(总共10题，每题2分)。1.在回归分析中，如果误差项不独立，可能导致______问题。2.时间序列的______模型结合了自回归和移动平均部分。3.正态分布的峰度系数值为______。4.样本方差计算时，分母应为______。5.协整意味着两个非平稳时间序列存在______关系。6.p-value定义为在______假设下，观察到样本统计量或更极端值的概率。7.在多元回归中，调整R-squared通过惩罚______数量来改进模型比较。8.Durbin-Watson统计量常用于检测回归残差的______。9.如果时间序列通过单位根检验显示有单位根，则该序列是______。10.置信水平为99%的置信区间比95%的区间更______。三、判断题，(总共10题，每题2分)。1.在回归分析中，残差正态分布是模型有效的充分条件。2.ARIMA模型可直接应用于非平稳时间序列。3.相关系数为0表示变量间无任何关系。4.假设检验的显著性水平α等于TypeIerror的概率。5.白噪声时间序列是平稳的。6.异方差不影响OLS估计系数的无偏性。7.面板数据整合了横截面和时间序列维度。8.F-test主要用于检验单个回归系数的显著性。9.协整检验通常直接使用ADF检验方法。10.独立事件的概率满足P(AandB)=P(A)P(B)。四、简答题，(总共4题，每题5分)。1.解释多重共线性在回归分析中的影响，并描述两种检测方法。2.说明时间序列平稳性的重要性及其在金融建模中的应用。3.计算并解释一个95%置信区间的构建过程。4.讨论假设检验中TypeI和TypeII错误的定义及其相互关系。五、讨论题，(总共4题，每题5分)。1.讨论单位根检验在金融时间序列分析中的重要性，并举例说明其实际应用。2.比较OLS和GLS方法在异方差情况下的优缺点，分析其在实证研究中的适用性。3.分析面板数据模型的优势，并讨论固定效应与随机效应模型的区别。4.讨论回归模型设定错误（如遗漏变量）的潜在后果，并提出预防策略。答案和解析一、单项选择题答案1.B解析：多重共线性指自变量间高度相关，导致系数估计不稳定和标准误增大，但不影响无偏性。2.D解析：平稳性要求均值、方差和自协方差均不随时间变化，是时间序列分析的基础假设。3.A解析：p-value小于α时，拒绝原假设，表示统计显著，支持备择假设。4.A解析：相关系数r衡量线性关系强度，范围在-1（完全负相关）到1（完全正相关）之间。5.A解析：AR(1)模型仅包含一阶自回归项，形式为Y_t=c+φY_{t-1}+ε_t，其中ε_t为白噪声。6.D解析：R-squared表示模型拟合优度，即自变量解释的因变量变异比例，值越高拟合越好。7.B解析：95%置信区间指在重复抽样中，95%的区间包含真实参数值，而非参数概率。8.A解析：异方差使误差方差非恒定，导致OLS标准误无效，但系数仍无偏；需用稳健标准误或GLS校正。9.B解析：ADF检验检测单位根，若存在则序列非平稳，需差分处理以应用ARIMA等模型。10.A解析：TypeIerror为错误拒绝真原假设，概率由α控制；TypeIIerror为错误接受假原假设。二、填空题答案1.自相关解析：误差项相关导致残差序列相关，影响OLS有效性，可用Durbin-Watson检验检测。2.ARMA解析：ARMA模型结合自回归(AR)和移动平均(MA)部分，用于平稳时间序列预测。3.3解析：正态分布峰度为3，表示尾部厚度；超额峰度大于0表示厚尾，常见于金融数据。4.n-1解析：样本方差分母用n-1（自由度）而非n，以校正偏差，确保估计无偏。5.长期均衡解析：协整指非平稳序列间存在稳定线性组合，用于建模如汇率和利率的长期关系。6.原假设解析：p-value基于原假设为真，计算观察值或更极端值的概率，用于决策拒绝与否。7.自变量解析：调整R-squared引入自变量数惩罚，避免过拟合，便于比较不同变量数的模型。8.自相关解析：Durbin-Watson统计量检验残差一阶自相关，值近2表示无自相关，近0或4表示相关。9.非平稳解析：单位根表示序列有随机趋势，均值或方差随时间变化，需差分转为平稳。10.宽解析：更高置信水平要求更宽区间以覆盖更多不确定性，99%区间比95%宽，但精度降低。三、判断题答案1.错误解析：残差正态性非充分条件；还需误差独立、同方差等假设，否则模型可能无效。2.正确解析：ARIMA通过差分(d)处理非平稳性，结合AR和MA，适用于单位根序列建模。3.错误解析：相关系数0仅表示无线性关系，但可能存在非线性关联，如二次或周期性关系。4.正确解析：α是预先设定的TypeIerror概率，如α=0.05表示5%风险拒绝真原假设。5.正确解析：白噪声序列均值为0、方差恒定、无自相关，符合平稳性定义，常用于基准模型。6.正确解析：异方差下OLS系数仍无偏一致，但标准误有偏，需校正以进行有效推断。7.正确解析：面板数据包含个体和时间维度，能控制个体异质性，提高估计效率和准确性。8.错误解析：F-test检验整体模型显著性或多重线性约束；t-test用于单个系数检验。9.错误解析：协整检验常用Engle-Granger或Johansen方法；ADF仅用于单序列单位根检验。10.正确解析：独立事件概率乘法规则成立；若P(AandB)≠P(A)P(B)，则事件相关。四、简答题答案1.多重共线性导致回归系数标准误增大，使t检验不显著，可能误判变量重要性；影响包括系数估计不稳定和模型预测力下降。检测方法：计算方差膨胀因子(VIF)，VIF>10表示严重共线性；或检查相关系数矩阵，高相关值(>0.8)提示问题。实践中，可通过岭回归或移除相关变量缓解，但需权衡模型完整性。2.平稳性确保时间序列统计特性（如均值、方差）不随时间变化，使模型（如ARMA）参数估计一致且预测可靠。在金融中，用于资产价格波动建模，如股票收益预测；非平稳序列（如价格）需差分转为平稳，避免伪回归。例如，在风险管理中，平稳收益序列用于计算VaR，确保结果稳健。3.95%置信区间构建：先计算样本均值(\(\bar{x}\))和标准误(SE=s/√n)，其中s为样本标准差，n为样本量。使用t分布（小样本）或z分布（大样本），临界值如1.96（z,α=0.05）。区间公式：\(\bar{x}\pm1.96\timesSE\)。解释：在重复抽样中，95%的此类区间包含总体均值，而非参数有95%概率在区间内。例如，股票收益均值区间帮助评估投资期望回报。4.TypeIerror为错误拒绝真原假设（假阳性），概率α；TypeIIerror为错误接受假原假设（假阴性），概率β。两者负相关：降低α（如从0.05到0.01）增加β，反之亦然。权衡需考虑后果：在金融检验中，如欺诈检测，TypeIerror（误判正常为欺诈）可能损失客户信任，TypeIIerror（漏检欺诈）导致财务损失。统计功效(1-β)需最大化以减少TypeIIerror。五、讨论题答案1.单位根检验在金融时间序列中至关重要，因非平稳序列（如股价）导致伪回归和无效推断。ADF检验等检测单位根，若存在，序列需差分以应用ARIMA模型。实际应用中，如汇率预测，忽略单位根会高估关系，导致错误对冲策略。例如，检验CPI数据单位根可确认通胀趋势，为货币政策提供依据。未检测单位根可能使预测偏差增大，影响投资决策。2.OLS在异方差下系数无偏但标准误无效，导致t检验不准确；优点为简单易用。GLS通过加权最小二乘校正异方差，提供有效推断，但需已知方差结构，实施复杂。实证中，OLS配合稳健标准误（如White校正）常用于初步分析；GLS适用于已知异方差模式的场景，如金融波动率建模。然而，GLS假设若误设，可能引入偏差。平衡时，优先使用稳健OLS，除非理论支持GLS。3.面板数据优势包括控制个体异质性（如公司特征），减少遗漏变量偏误，并捕捉动态变化。固定效应模型假设个体效应与自变量相关，通过组内变换消除；随机效应模型假设不相关，更高效但需Hausman检验选择。例如，分析公司绩效时，固定效应