2024年时间序列分析试题及答案

2024年时间序列分析试题及答案

一、单项选择题（总共10题，每题2分）1.下列关于平稳时间序列的描述，正确的是（）。A.均值随时间变化B.方差随时间变化C.自协方差仅与时间间隔有关D.自相关系数随时间递增2.ARMA(2,1)模型的偏自相关函数（PACF）表现为（）。A.2阶截尾B.1阶截尾C.拖尾D.任意阶截尾3.白噪声序列的自相关函数（ACF）在滞后1期时的值为（）。A.0.5B.0C.1D.-14.单位根检验的原假设通常是（）。A.序列存在单位根（非平稳）B.序列不存在单位根（平稳）C.序列是白噪声D.序列是ARMA过程5.GARCH模型主要用于刻画时间序列的（）。A.均值非平稳性B.异方差性C.自相关性D.季节性6.对于非平稳时间序列，常用的处理方法是（）。A.直接建模ARMAB.差分法C.取对数D.计算移动平均7.Ljung-Box检验主要用于检验（）。A.序列的平稳性B.模型残差的白噪声性质C.模型的阶数D.序列的周期性8.极大似然估计在时间序列模型参数估计中具有的特性是（）。A.无偏性B.渐近有效性C.有限样本最优性D.仅适用于MA模型9.若时间序列经过d次差分后平稳，则可建立（）模型。A.ARMA(p,q)B.ARIMA(p,d,q)C.GARCH(p,q)D.VAR(p)10.协整关系反映了时间序列之间的（）。A.短期波动一致性B.长期均衡关系C.非线性关系D.季节性特征二、填空题（总共10题，每题2分）1.弱平稳时间序列的均值为______，方差为常数。2.AR(1)模型\(X_t=\phiX_{t-1}+\varepsilon_t\)的平稳条件是______。3.MA(q)模型的自相关函数（ACF）在滞后______期后截尾。4.白噪声序列的方差记为______，通常假设其服从正态分布。5.单位根检验中最常用的方法是______检验。6.GARCH(1,1)模型的条件方差方程为\(\sigma_t^2=\omega+\alpha\varepsilon_{t-1}^2+\beta\sigma_{t-1}^2\)，其中参数需满足______以保证方差非负。7.模型诊断时，对残差平方进行Ljung-Box检验可用于检测______。8.线性最小方差预测的最优性标准是______。9.协整的必要条件是参与协整的序列具有相同的______。10.ARCH模型由______于1982年提出，用于刻画条件异方差。三、判断题（总共10题，每题2分）1.严格平稳时间序列一定是弱平稳的。（）2.AR(2)模型的偏自相关函数（PACF）在2阶后拖尾。（）3.MA(1)模型的自相关函数（ACF）仅在1阶处显著，之后截尾。（）4.白噪声序列的所有自相关系数均为0。（）5.单位根过程的方差会随时间递增，因此是非平稳的。（）6.GARCH模型的条件方差仅依赖于过去的残差平方。（）7.对非平稳序列进行一次差分后，一定能得到平稳序列。（）8.Ljung-Box检验的原假设是残差序列存在自相关。（）9.极大似然估计在大样本下具有一致性和渐近正态性。（）10.若两个非平稳序列是协整的，则它们的线性组合一定是平稳的。（）四、简答题（总共4题，每题5分）1.简述弱平稳时间序列的定义及其与严格平稳的区别。2.简述ARMA模型识别的主要步骤（基于ACF和PACF）。3.说明单位根检验的意义，并列举两种常用的单位根检验方法。4.比较GARCH模型与ARCH模型在刻画异方差时的差异。五、讨论题（总共4题，每题5分）1.如何通过自相关函数（ACF）和偏自相关函数（PACF）判断AR、MA、ARMA模型的阶数？结合典型特征说明。2.讨论残差检验在时间序列模型构建中的作用，并说明具体检验方法（如Ljung-Box检验、残差正态性检验）。3.比较传统ARIMA模型与协整模型在处理非平稳时间序列数据时的差异，举例说明适用场景。4.结合金融时间序列（如股票收益率）的特点，讨论GARCH模型的应用价值，并说明其参数估计的关键要点。答案及解析一、单项选择题1.C（平稳序列的自协方差仅与时间间隔有关）2.C（ARMA模型的PACF和ACF均拖尾）3.B（白噪声无自相关）4.A（原假设为存在单位根，即非平稳）5.B（GARCH刻画条件异方差）6.B（差分法处理非平稳）7.B（检验残差是否为白噪声）8.B（极大似然估计渐近有效）9.B（ARIMA包含差分阶数d）10.B（协整反映长期均衡）二、填空题1.常数2.\(|\phi|<1\)3.q4.\(\sigma^2\)5.ADF（增广迪基-富勒）6.\(\omega>0\),\(\alpha\geq0\),\(\beta\geq0\)7.残差中是否存在ARCH效应8.预测误差的方差最小9.单整阶数10.恩格尔（Engle）三、判断题1.×（严格平稳不一定弱平稳，需二阶矩存在）2.×（AR(p)的PACF在p阶截尾）3.√（MA(q)的ACF在q阶截尾）4.√（白噪声无自相关）5.√（单位根过程方差发散）6.×（GARCH还依赖过去的条件方差）7.×（可能需要多次差分）8.×（原假设是无自相关）9.√（极大似然的大样本性质）10.√（协整的定义）四、简答题1.弱平稳要求一阶矩（均值）为常数，二阶矩（方差、自协方差）仅与时间间隔有关；严格平稳要求所有有限维分布不随时间平移改变。弱平稳是二阶矩条件下的平稳，严格平稳更强，但弱平稳不一定严格平稳（需高阶矩存在）。2.步骤：①计算序列的ACF和PACF；②若PACF在p阶截尾、ACF拖尾，为AR(p)；若ACF在q阶截尾、PACF拖尾，为MA(q)；若两者均拖尾，为ARMA(p,q)，阶数通过AIC/BIC准则确定。3.单位根检验用于判断序列是否存在单位根（非平稳），避免伪回归。常用方法：ADF检验（增广迪基-富勒）、PP检验（菲利普斯-佩龙），前者修正自相关，后者修正异方差。4.ARCH模型假设条件方差仅依赖过去残差平方的有限期（\(\sigma_t^2=\omega+\alpha_1\varepsilon_{t-1}^2+...+\alpha_q\varepsilon_{t-q}^2\)）；GARCH引入滞后条件方差（\(\sigma_t^2=\omega+\alpha\varepsilon_{t-1}^2+\beta\sigma_{t-1}^2\)），能用更少参数刻画长期记忆性，更适用于金融数据的波动集群现象。五、讨论题1.AR(p)的PACF在p阶截尾（之后接近0），ACF拖尾；MA(q)的ACF在q阶截尾，PACF拖尾；ARMA(p,q)的ACF和PACF均拖尾。例如，AR(2)的PACF在2阶后截尾，ACF指数衰减；MA(1)的ACF仅1阶显著，PACF几何衰减；ARMA(1,1)的ACF和PACF均缓慢衰减。2.残差检验用于验证模型拟合效果：①Ljung-Box检验残差是否存在自相关（原假设无自相关，若接受则模型充分）；②残差正态性检验（如Jarque-Bera检验）确保误差项假设合理；③残差平方的Ljung-Box检验检测是否存在未捕捉的异方差（ARCH效应）。若检验不通过，需调整模型阶数或引入GARCH项。3.ARIMA通过差分消除非平稳性（假设趋势平稳），适用于单变量非平稳序列（如GDP增长）；协整模型处理多变量非平稳序列（如汇率与利率），若存在协整关系，可建立误差修正模型（ECM），同时捕捉短期波动和长期均衡。例如，分析人民币汇率与外汇储备的关系时，协整模型比ARIMA更能反映两者的长期联动。4.金融收益率常表现出波动集群（大波动后接大波动）和尖峰厚尾，GARCH模型通过条件方差方程