2020年CFA二级数量方法真题及答案可直接打印无水印

2020年CFA二级数量方法真题及答案可直接打印无水印

一、单项选择题（每题2分，共10题）1.在多元线性回归模型中，若存在异方差性，最可能导致以下哪种结果？A.参数估计量无偏但非有效B.参数估计量有偏且非一致C.t检验统计量服从标准正态分布D.R²值会系统性偏高2.关于时间序列的AR(1)模型\(Y_t=\phiY_{t-1}+\varepsilon_t\)，若\(|\phi|>1\)，则该过程具有：A.平稳性B.单位根C.爆炸性D.均值回归特性3.使用自助法（Bootstrap）估计参数标准误的主要优势是：A.不依赖大样本理论B.计算速度比蒙特卡洛法快C.无需假设分布形态D.适用于高维数据4.在假设检验中，若p值为0.03，显著性水平α=0.05，则：A.应接受原假设B.第二类错误概率为3%C.应拒绝原假设D.检验功效为97%5.关于协整关系，以下说法正确的是：A.非平稳变量的一阶差分必然协整B.协整向量的个数等于变量数C.存在协整意味着长期均衡关系D.VECM仅适用于I(0)变量6.机器学习中，随机森林相比单一决策树的主要改进是：A.降低方差B.减少偏差C.避免过拟合D.提高可解释性7.在贝叶斯分析中，先验分布为均匀分布时，后验分布：A.与似然函数成比例B.依赖于样本容量C.必然服从正态分布D.需通过MCMC求解8.时间序列的ARCH效应检验主要针对：A.自相关性B.异方差性C.结构突变D.非正态性9.面板数据固定效应模型通过以下哪种方法消除个体效应？A.一阶差分B.引入虚拟变量C.使用工具变量D.广义矩估计10.在因子分析中，KMO统计量接近1表明：A.变量间独立性高B.适合进行因子分析C.公因子方差过低D.需旋转因子载荷---二、填空题（每题2分，共10题）1.若两个随机变量X和Y的相关系数为0.8，则协方差为12，X的标准差为5，Y的标准差为______。2.时间序列的ADF检验中，若检验统计量小于临界值，应______原假设（填“接受”或“拒绝”）。3.在95%置信水平下，正态分布的双侧检验拒绝域为|z|>______。4.逻辑回归中，对数几率（logit）的定义是______。5.GARCH(1,1)模型的条件方差方程形式为\(\sigma_t^2=\omega+\alpha\varepsilon_{t-1}^2+\beta\)______。6.若一阶自相关系数\(\rho_1=0.6\)，则偏自相关系数\(\phi_{11}=\)______。7.蒙特卡洛模拟中，减少估计误差最直接的方法是______。8.工具变量需满足的两个关键条件是______和______。9.在生存分析中，风险函数（hazardfunction）的数学定义为______。10.主成分分析中，第一主成分的方向是______最大的方向。---三、判断题（每题2分，共10题）1.若时间序列是白噪声，其自相关函数（ACF）在所有滞后阶数均为零。（）2.中心极限定理要求总体分布必须为正态。（）3.在多元回归中，增加无关变量会降低调整R²。（）4.若AIC值小于BIC值，说明模型更简洁。（）5.协整关系的存在意味着因果关系。（）6.LASSO回归通过L1正则化可将某些系数压缩至零。（）7.样本均值是总体均值的无偏估计量。（）8.若p值大于α，则原假设必然为真。（）9.面板数据的Hausman检验用于选择固定效应或随机效应模型。（）10.核密度估计需要预先假设数据分布形态。（）---四、简答题（每题5分，共4题）1.简述多重共线性对多元线性回归的影响及两种常用检测方法。2.解释时间序列中“单位根”的概念，并说明DF检验与ADF检验的区别。3.比较参数估计中极大似然法（MLE）与最小二乘法（OLS）的异同。4.说明机器学习中交叉验证（Cross-Validation）的目的及k折交叉验证的操作步骤。---五、讨论题（每题5分，共4题）1.讨论贝叶斯统计与频率学派统计的核心差异，并举例说明贝叶斯方法在金融分析中的应用场景。2.分析GARCH族模型在金融波动率建模中的优势与局限性，结合实例说明。3.评述主成分分析（PCA）在降维中的原理，并讨论其在投资组合构建中的潜在缺陷。4.探讨机器学习模型（如随机森林、SVM）在量化投资中的适用性及可能面临的过拟合风险。---答案与解析一、单项选择题1.A（异方差导致估计量非有效）2.C（|φ|>1时过程发散）3.C（自助法不假设分布）4.C（p<α拒绝原假设）5.C（协整反映长期均衡）6.A（通过集成降低方差）7.A（均匀先验下后验∝似然）8.B（检验波动率聚集）9.B（虚拟变量法）10.B（KMO>0.6适合因子分析）二、填空题1.3（公式：\(\text{corr}=\frac{\text{cov}}{\sigma_X\sigma_Y}\)）2.拒绝（ADF检验原假设为存在单位根）3.1.96（标准正态双侧临界值）4.\(\ln\left(\frac{p}{1-p}\right)\)5.\(\beta\sigma_{t-1}^2\)6.0.6（AR(1)中PACF(1)=ACF(1)）7.增加模拟次数8.相关性、外生性9.\(h(t)=\lim_{\Deltat\to0}\frac{P(t\leqT<t+\Deltat|T\geqt)}{\Deltat}\)10.方差三、判断题1.×（白噪声ACF在滞后0处为1）2.×（无需正态假设）3.√（调整R²惩罚无关变量）4.×（AIC倾向于更复杂模型）5.×（协整不意味因果）6.√（L1正则产生稀疏解）7.√（无偏性定义）8.×（不拒绝≠接受原假设）9.√（检验个体效应是否随机）10.×（非参数方法）四、简答题答案1.影响：增大系数方差，降低t检验效力，系数符号异常。检测方法：方差膨胀因子（VIF>10表明严重共线性）、条件指数（>30为临界值）。2.单位根：非平稳时间序列的特征根模为1。区别：DF检验假设残差无自相关，ADF通过加入滞后差分项修正自相关。3.相同点：均通过优化目标函数求解参数。不同点：OLS最小化残差平方和，需线性假设；MLE最大化似然函数，需分布假设，但更灵活。4.目的：评估模型泛化能力，避免过拟合。步骤：(1)将数据集随机分为k等份；(2)轮流以1份作验证集，其余训练；(3)计算k次验证平均误差作为性能估计。五、讨论题答案1.核心差异：贝叶斯将参数视为随机变量，引入先验分布；频率学派视参数为固定值。应用场景：如信用风险评估中，利用历史违约率作为先验，结合新数据更新后验概率。2.优势：捕捉波动率聚集、杠杆效应（EGARCH），适用于期权定价。局限性：对极端事件预测不足，参数估计可能不稳定。实例：200