2026年CFA二级数量方法真题及答案逐题拆解重难点

2026年CFA二级数量方法真题及答案逐题拆解重难点

一、单项选择题，(总共10题，每题2分)1.在多元线性回归模型中，若自变量之间存在高度线性相关，这会导致以下哪种问题？A.异方差性B.多重共线性C.自相关D.模型设定偏误2.时间序列数据中，如果一个序列的均值、方差和自协方差结构不随时间变化，则该序列被称为：A.平稳序列B.非平稳序列C.白噪声序列D.随机游走序列3.关于时间序列的AR模型，以下说法正确的是？A.AR模型只依赖于过去的随机扰动项B.AR模型只依赖于自身的滞后值C.MA模型只依赖于自身的滞后值D.ARMA模型是AR模型和MA模型的简单相加4.在假设检验中，当原假设实际上为真，但我们却拒绝了原假设，这种错误称为：A.第一类错误B.第二类错误C.弃真错误D.A和C都正确5.蒙特卡洛模拟法在金融中主要应用于：A.估计回归模型的参数B.计算投资组合的风险价值（VaR）C.进行时间序列预测D.检验模型的平稳性6.一个投资策略的信息比率（InformationRatio）是衡量什么的指标？A.每单位非系统性风险所带来的超额回报B.每单位总风险所带来的超额回报C.每单位系统性风险所带来的超额回报D.策略的夏普比率7.在分析两个时间序列是否存在长期均衡关系时，最常用的检验方法是：A.单位根检验B.格兰杰因果检验C.协整检验D.自相关检验8.如果一个概率分布具有比正态分布更厚的尾部，那么该分布被称为：A.尖峰分布B.偏态分布C.肥尾分布D.均匀分布9.在构建二叉树模型为期权定价时，无套利原则要求我们使用：A.真实概率B.历史概率C.风险中性概率D.主观概率10.关于贝叶斯定理，以下描述错误的是？A.它描述了在给定新证据的情况下更新先验概率的方法B.先验概率是我们在获得新数据之前对事件发生可能性的估计C.后验概率是条件概率和先验概率的乘积D.它不依赖于先验概率的设定二、填空题，(总共10题，每题2分)1.在回归分析中，衡量模型拟合优度的常用指标是________。2.如果一个时间序列需要进行d次差分才能变为平稳序列，则称该序列为________阶单整，记作I(d)。3.在资本资产定价模型（CAPM）中，资产的预期收益率与其________成正比。4.假设检验中，用于拒绝原假设的证据强度通常用________来衡量。5.一个随机过程是白噪声过程，必须满足均值为零、方差恒定，且________为零。6.在时间序列分析中，________图常用于直观地判断序列是否存在趋势或季节性。7.当回归模型的误差项方差不是常数时，我们称该模型存在________问题。8.投资组合的方差不仅取决于各资产自身的方差，还取决于资产之间的________。9.在逻辑回归中，我们使用________函数将线性组合的结果映射到(0,1)区间，以表示概率。10.格兰杰因果检验的实质是检验一个变量的滞后项是否对________变量有预测能力。三、判断题，(总共10题，每题2分)1.（）样本均值是总体均值的无偏估计量。2.（）p值越小，说明原假设为真的可能性越大。3.（）如果两个时间序列都是非平稳的，那么它们的任何线性组合也一定是非平稳的。4.（）在多元回归中，调整后的R平方总是小于未调整的R平方。5.（）自相关函数（ACF）图可以帮助我们识别MA模型的阶数q。6.（）VaR（风险价值）衡量的是在正常市场条件下，一定置信水平下的最大可能损失。7.（）异方差性会影响普通最小二乘（OLS）估计量的无偏性。8.（）协整关系意味着两个非平稳时间序列之间存在长期的稳定关系。9.（）在金融时间序列中，波动率聚类现象意味着收益率的波动在短期内是恒定的。10.（）模拟退火算法是一种用于寻找全局最优解的优化技术。四、简答题，(总共4题，每题5分)1.请简要解释什么是“均值回归”，并举例说明其在金融中的应用。2.简述多元线性回归模型的基本假设。3.什么是“波动率微笑”？它反映了期权市场中的什么信息？4.请解释蒙特卡洛模拟法的基本步骤及其在金融分析中的主要优缺点。五、讨论题，(总共4题，每题5分)1.讨论多重共线性对多元线性回归分析的影响，以及常用的检测和处理方法。2.比较并对比时间序列分析中的AR模型、MA模型和ARMA模型的特点和适用场景。3.风险价值（VaR）作为风险度量工具存在哪些主要局限性？可以如何改进或补充？4.讨论贝叶斯统计与经典频率统计在思想和方法论上的主要区别。答案和解析一、单项选择题1.B.多重共线性。解析：多重共线性是指回归模型中的两个或两个以上自变量高度相关，这使得估计回归系数变得不准确，方差增大，难以区分每个自变量的单独影响。2.A.平稳序列。解析：平稳序列是时间序列分析的基础，其统计性质（如均值、方差）不随时间推移而变化，使得建模和预测成为可能。3.B.AR模型只依赖于自身的滞后值。解析：AR(p)模型用变量自身的滞后项来解释当前值，形式为Xt=c+φ1Xt-1+...+φpXt-p+εt。A描述的是MA模型，C描述错误，D描述不准确，ARMA是AR和MA的结合。4.D.A和C都正确。解析：第一类错误（TypeIError）即弃真错误，指原假设为真时错误地拒绝了原假设。第二类错误（TypeIIError）是取伪错误。5.B.计算投资组合的风险价值（VaR）。解析：蒙特卡洛模拟通过随机抽样模拟资产价格的可能路径，广泛应用于复杂金融衍生品定价和VaR等风险度量计算。6.A.每单位非系统性风险所带来的超额回报。解析：信息比率=超额收益/跟踪误差。跟踪误差衡量的是主动风险，即相对于基准的非系统性风险。7.C.协整检验。解析：协整检验用于判断一组非平稳时间序列的线性组合是否平稳，从而揭示变量间是否存在长期稳定的均衡关系。8.C.肥尾分布。解析：肥尾分布意味着极端事件（巨大收益或损失）发生的概率高于正态分布的预测，这在金融收益率数据中常见。9.C.风险中性概率。解析：在无套利定价框架下，我们使用风险中性概率而非真实概率来计算期权的预期收益并折现，这简化了定价过程。10.D.它不依赖于先验概率的设定。解析：贝叶斯定理的核心正是通过似然函数将先验概率更新为后验概率，因此先验概率的设定至关重要。D选项描述错误。二、填空题1.判定系数（R平方）2.d3.贝塔系数（系统风险）4.p值5.自协方差（或自相关）6.时间序列（或线）7.异方差性（异方差）8.协方差（或相关性）9.Logistic（S型）10.另一个三、判断题1.对。解析：无偏估计量的期望值等于被估计的总体参数，样本均值是总体均值的无偏估计。2.错。解析：p值是在原假设为真的前提下，观察到样本数据或更极端数据的概率。p值越小，拒绝原假设的证据越强，说明原假设为真的可能性越小。3.错。解析：如果两个非平稳序列是协整的，那么它们的某个线性组合可能是平稳的。这正是协整分析的意义所在。4.对。解析：调整R平方引入了自由度惩罚，当增加无解释力的自变量时，调整R平方会减小，而未经调整的R平方总是增加或不变。5.对。解析：对于MA(q)模型，其自相关函数（ACF）在滞后q阶后截尾，这是识别MA模型阶数的重要特征。6.对。解析：这是VaR的标准定义。它衡量的是在特定持有期和置信水平下，资产或投资组合的最大潜在损失。7.错。解析：异方差性不影响OLS估计量的无偏性和一致性，但会使估计量的方差公式失效，导致标准误估计不准确，从而影响假设检验的有效性。8.对。解析：协整的定义即指两个或多个非平稳时间序列的线性组合是平稳的，表明尽管单个序列不稳定，但它们之间存在长期的均衡关系。9.错。解析：波动率聚类是指高波动率时期和低波动率时期会分别聚集出现，即大的波动后往往跟随大的波动，小的波动后往往跟随小的波动，这表明波动率在短期内并不是恒定的。10.对。解析：模拟退火算法受固体退火过程启发，通过引入随机性和概率接受准则，有助于跳出局部最优解，从而更有可能找到全局最优解。四、简答题1.均值回归是指一个变量倾向于向其长期历史平均水平或均值靠拢的现象。当变量远高于均值时，未来更可能下跌；当远低于均值时，未来更可能上涨。在金融中，这一概念广泛应用于配对交易（寻找价格走势高度相关但暂时偏离的两种资产，做空高估资产，做多低估资产，期待价格回归）、波动率交易（认为波动率会回归到长期平均水平）以及宏观经济分析（如汇率、利率的长期均衡）等领域。2.多元线性回归模型的基本假设主要包括：1.线性关系：因变量与自变量之间存在线性关系。2.随机抽样：样本数据是随机抽取的。3.无完全多重共线性：自变量之间不存在完全的线性关系。4.条件均值为零：给定自变量，误差项的期望值为零。5.同方差性：误差项的方差恒定。6.无自相关：误差项之间不存在相关性。7.正态性：误差项服从正态分布（主要用于小样本下的假设检验）。这些假设是保证普通最小二乘估计量具有良好统计性质（如BLUE，最佳线性无偏估计）的基础。3.波动率微笑是指在其他条件相同的情况下，具有不同执行价格的期权所隐含的波动率构成的曲线并非水平直线，而是一条像“微笑”一样两端翘起的曲线。它反映了期权市场的一个重要信息：市场参与者认为极端价格变动（深度实值或深度虚值期权对应的市场情景）发生的概率高于布莱克-斯科尔斯模型基于对数正态分布所预测的水平。这表明市场实际感知的资产收益率分布存在肥尾特征，即极端事件的风险被定价更高。波动率微笑挑战了传统期权定价模型的假设。4.蒙特卡洛模拟法的基本步骤：1.定义模型和随机变量的概率分布。2.从这些分布中进行大量随机抽样。3.将每次抽样的值代入模型，计算出一个可能的结果。4.重复上述过程成千上万次，得到结果的概率分布。在金融分析中，其主要优点在于灵活性高，能处理复杂、非线性的问题（如路径依赖型期权），且易于理解和实施。主要缺点是其计算成本高昂，结果依赖于模型和输入分布的准确性，且本质上是统计估计，存在抽样误差。五、讨论题1.多重共线性会导致回归系数估计不准确、方差膨胀，使得系数估计值对样本数据非常敏感，稳定性差，难以解释每个自变量的独立影响，t检验可能不显著，但模型的整体拟合优度（R平方）可能很高。检测方法包括观察自变量间的相关系数矩阵、方差膨胀因子（VIF，VIF>10通常表示严重共线性）以及容忍度。处理方法包括：1.剔除不重要的共线性变量。2.使用主成分回归或岭回归等有偏估计方法。3.增加样本量（可能不现实）。4.对变量进行变换（如中心化）。关键在于权衡模型的简洁性、稳定性和预测能力。2.AR模型利用变量自身过去值进行预测，其ACF拖尾，PACF在p阶后截尾，适用于具有较强自相关性的序列。MA模型利用过去随机冲击的线性组合进行预测，其ACF在q阶后截尾，PACF拖尾，适用于受短期外部冲击影响的序列。ARMA模型结合了AR和MA的特点，能更简洁地描述平稳时间序列的动态结构，其ACF和PACF均拖尾。选择何种模型取决于序列的自相关和偏自相关图特征，以及模型的简洁性和拟合优度（如AIC、BIC准则）。ARMA模型是处理平稳序列的经典工具。3.VaR的主要局限性包括：1.不满足次可加性（非一致性风险度量），可能导致对组合风险的错误评估。2.只关注一定置信水平下的分位数损失，忽略了尾部极端损失的风险（即“VaR之外”的损失）。3.对历史数据或分布假设敏感，可能无法捕捉未来的结构性变化。4.不同的计算方法可能得出差异很大的结果。改进和补充方法包括：使用预期亏损（ES/CVaR），它计算超过VaR的损失的期望值，是一致性风险度量；结合压力测试和情景分析，评估极端市场条件下的潜在损失；使用回溯测试来验证VaR模型的准确性。4.贝叶斯统计与经典频率统计的核心区别在