2022年CFA二级数量方法机考仿真真题及完整答案

2022年CFA二级数量方法机考仿真真题及完整答案

一、单项选择题（20分）1.在多元回归分析中，如果自变量之间存在高度相关性，可能导致的问题是什么？A.异方差性B.多重共线性C.自相关性D.遗漏变量偏差2.时间序列分析中，ARIMA模型中的"I"代表什么含义？A.积分阶数B.移动平均C.自回归D.季节性3.假设检验中，第一类错误是指什么？A.拒绝真实的原假设B.接受错误的原假设C.样本偏差D.检验力不足4.在概率分布中，正态分布的标准差增大时，分布曲线会如何变化？A.变陡峭B.变平缓C.左移D.右移5.方差分析(ANOVA)用于检验什么？A.两个样本均值差异B.多个总体均值是否相等C.变量相关性D.回归系数显著性6.回归模型诊断中，残差图显示模式为漏斗形，表明存在什么问题？A.多重共线性B.异方差性C.自相关性D.非线性关系7.在机器学习中，监督学习和无监督学习的主要区别是什么？A.是否有标签数据B.是否使用算法C.是否处理分类问题D.是否涉及预测8.置信区间的宽度受什么因素影响？A.样本大小B.置信水平C.总体方差D.以上所有9.相关系数r=0.8表示什么？A.强正相关B.强负相关C.弱相关D.不相关10.贝叶斯定理中，后验概率的计算基于什么？A.先验概率和似然函数B.样本均值C.假设检验D.时间序列数据二、填空题（20分）1.在回归分析中，R²统计量表示____的百分比。2.时间序列的平稳性要求均值、方差和____不随时间变化。3.中心极限定理指出，样本均值分布近似正态分布，当样本量____时。4.假设检验的原假设通常用符号____表示。5.ANOVA中，F统计量用于比较____方差和组内方差。6.异方差性会导致OLS估计量的____不再有效。7.K-means聚类算法属于____学习类型。8.置信水平95%表示区间包含总体参数的概率为____。9.协方差的正负号表示变量间的____方向。10.贝叶斯推断中，先验概率反映的是____信息。三、判断题（20分）1.多重共线性不会影响回归模型的预测能力。答案：错误2.时间序列的随机游走过程是平稳的。答案：错误3.显著性水平α越小，第一类错误风险越低。答案：正确4.正态分布的偏度为0，峰度为3。答案：正确5.ANOVA只能用于两个组的均值比较。答案：错误6.残差自相关可以通过Durbin-Watson检验诊断。答案：正确7.监督学习仅用于分类问题，不用于回归。答案：错误8.样本大小增加，置信区间变宽。答案：错误9.相关系数为0表示变量间无任何关系。答案：错误10.贝叶斯方法不需要指定先验分布。答案：错误四、简答题（20分）1.解释多元回归分析中多重共线性的定义、影响及常用解决方法。2.描述时间序列分析中ADF检验的原理和应用场景。3.简述假设检验的基本步骤，并说明p值的含义。4.讨论方差分析(ANOVA)的假设条件和局限性。五、讨论题（20分）1.比较OLS回归和岭回归在处理多重共线性问题时的优缺点，以及在实际金融数据分析中的应用考量。2.分析时间序列预测中ARIMA模型与GARCH模型的异同，并举例说明在金融市场波动率预测中的选择策略。3.探讨贝叶斯统计推断与频率派统计推断在金融风险管理中的优劣势，结合实例说明其适用性。4.讨论机器学习模型在信用评分中的应用时，如何平衡模型复杂度与可解释性，并提出一种评估框架。答案和解析：一、单项选择题1.B.多重共线性。解析：多重共线性指自变量高度相关，导致回归系数估计不稳定和标准误增大，但不影响预测精度。常用解决方法包括增加数据或使用岭回归。2.A.积分阶数。解析：ARIMA模型中I代表积分阶数，用于处理非平稳序列的差分操作，确保时间序列平稳性。3.A.拒绝真实的原假设。解析：第一类错误是错误拒绝真实原假设的概率，由显著性水平α控制。第二类错误是接受错误的原假设。4.B.变平缓。解析：标准差增大时，正态分布曲线更分散，高度降低，表明数据变异性增加。5.B.多个总体均值是否相等。解析：ANOVA检验多个组的均值差异，基于F分布，假设组间和组内方差齐性。6.B.异方差性。解析：残差图呈漏斗形表示误差方差随预测值变化，导致标准误有偏。可通过加权最小二乘处理。7.A.是否有标签数据。解析：监督学习使用标签数据进行训练，如回归和分类；无监督学习处理无标签数据，如聚类。8.D.以上所有。解析：置信区间宽度与样本大小成反比，置信水平成正比，且受总体方差影响。9.A.强正相关。解析：相关系数|r|>0.7表示强相关，正值表示正相关。10.A.先验概率和似然函数。解析：贝叶斯后验概率=先验概率×似然函数/证据，结合先验信息和样本数据更新概率。二、填空题1.解释变异。解析：R²衡量模型解释因变量变异的比例，值接近1表示拟合度高。2.自协方差。解析：平稳时间序列要求统计特性如均值、方差和自协方差恒定，便于模型预测。3.足够大。解析：中心极限定理表明，无论总体分布如何，样本量≥30时样本均值分布趋近正态。4.H0。解析：原假设H0表示无效应或差异，是统计检验的基础假设。5.组间。解析：F统计量=组间方差/组内方差，值大于临界值时拒绝原假设。6.标准误。解析：异方差性导致OLS标准误有偏，影响t检验的有效性，需用稳健标准误纠正。7.无监督。解析：K-means基于数据相似性分组，无需标签，适用于市场细分等场景。8.95%。解析：95%置信水平下，多次抽样中95%的区间包含真实参数，反映估计可靠性。9.线性相关。解析：协方差正表示变量同向变化，负表示反向变化，但受单位影响，需标准化得相关系数。10.先前知识。解析：先验概率在贝叶斯方法中整合历史或专家意见，以更新后验概率。三、判断题1.错误。解析：多重共线性不影响预测值，但使系数估计不稳定和标准误膨胀，降低模型可解释性。2.错误。解析：随机游走是非平稳过程，均值随时间漂移，需差分处理为平稳序列。3.正确。解析：α减小（如从0.05到0.01）降低拒绝真实H0的风险，但可能增加第二类错误概率。4.正确。解析：正态分布对称，偏度=0；峰度=3表示常峰态，峰度>3为尖峰态。5.错误。解析：ANOVA适用于三组及以上均值比较，两组时等效t检验。6.正确。解析：Durbin-Watson检验检测残差自相关，值接近2表示无自相关，常用于时间序列回归。7.错误。解析：监督学习可用于分类和回归问题，如线性回归预测连续变量。8.错误。解析：样本大小增加，标准误减小，置信区间变窄，估计更精确。9.错误。解析：相关系数为0仅表示无线性关系，但可能存在非线性关联。10.错误。解析：贝叶斯方法必须指定先验分布，否则无法计算后验概率。四、简答题1.多重共线性指回归自变量高度相关，导致系数估计不准、标准误增大及t检验失效。影响包括降低模型稳定性，但预测能力可能不变。解决方法：增加样本、剔除相关变量、使用岭回归或主成分分析。实践上，VIF>10表示严重共线性。2.ADF检验用于判断时间序列是否平稳，原假设为非平稳。原理基于单位根检验，通过差分阶数d使序列平稳。应用场景包括金融价格序列预测前检验平稳性，避免伪回归。ADF统计量与临界值比较，若拒绝H0则为平稳。3.假设检验步骤：设定原假设H0和备择假设H1；选择显著性水平α；计算检验统计量；比较p值决策。p值表示在H0真下，观测结果或更极端出现的概率。p<α时拒绝H0，否则不拒绝。p值小提供反H0证据。4.ANOVA假设：独立性、正态性、方差齐性。局限性：仅检验均值差异，不识别具体差异组；对非正态数据敏感；需事后检验如Tukey法。实际应用中，违反假设可能导致错误结论，需使用稳健ANOVA或非参数方法。五、讨论题1.OLS回归在无多重共线性时高效，但共线性下系数不稳定；岭回归引入L2惩罚减小方差，提高稳定性，但系数有偏。金融应用中，OLS适合解释性要求高场景；岭回归用于预测精度优先情况，如资产定价模型优化。关键是权衡偏差与方差，通过交叉验证选惩罚参数。2.ARIMA模型捕捉时间序列趋势和季节性，适用平稳序列预测；GARCH模型专用于波动率聚类，如金融收益异方差。二者结合可提升预测。实例：股票价格用ARIMA预测方向，GARCH预测风险。选型依据数据特征，波动率高时优先GARCH，辅以信息准则评估。3.频率派基于重复抽样，提供点估计和置信区间，计算简单但忽视先验信息；贝叶斯整合先验，得概率分