2021时间序列分析考点全覆盖试题集及答案

2021时间序列分析考点全覆盖试题集及答案

一、单项选择题（共10题，每题2分）1.时间序列分析中，判断序列是否平稳的常用检验方法是？A.格兰杰因果检验B.协整检验C.单位根检验D.ARCH-LM检验2.一个时间序列经过一阶差分后变得平稳，该序列最可能是？A.I(0)序列B.I(1)序列C.I(2)序列D.白噪声序列3.在ARMA(p,q)模型中，p代表？A.移动平均项的阶数B.自回归项的阶数C.差分阶数D.季节周期长度4.对于AR(1)模型：$X_t=\phiX_{t-1}+\epsilon_t$，其中$\epsilon_t$是白噪声。该过程平稳的条件是？A.|φ|<1B.|φ|>1C.|φ|=1D.φ>05.白噪声序列$\epsilon_t$必须满足的条件是？A.均值为0，方差为常数，自协方差函数为0（k≠0）B.均值为0，方差随时间变化，自协方差函数为0（k≠0）C.均值为常数，方差为常数，自协方差函数不为0D.均值为常数，方差为常数，自协方差函数为0（k≠0）6.ADF检验的原假设是？A.时间序列是平稳的B.时间序列存在单位根（非平稳）C.时间序列存在异方差D.时间序列存在季节性7.自相关函数（ACF）拖尾，偏自相关函数（PACF）在p阶后截尾，通常建议拟合？A.MA(q)模型B.AR(p)模型C.ARMA(p,q)模型D.ARIMA(p,d,q)模型8.检验ARCH效应的常用方法是？A.Ljung-Box检验B.ARCH-LM检验C.ADF检验D.Jarque-Bera检验9.在ARCH(q)模型中，条件方差$h_t$依赖于？A.前q期的扰动项平方$\epsilon_{t-1}^2,\epsilon_{t-2}^2,...,\epsilon_{t-q}^2$B.前p期的自身值$X_{t-1},X_{t-2},...,X_{t-p}$C.前p期的自身值和前q期的扰动项D.未来的扰动项10.当两个I(1)序列存在协整关系时，它们的线性组合通常是？A.I(0)序列B.I(1)序列C.I(2)序列D.无法确定二、填空题（共10题，每题2分）1.时间序列的三大基本要素是：______、______、______。2.描述时间序列线性依赖关系的重要工具是______函数（ACF）和______函数（PACF）。3.若时间序列的季节周期为s，对其进行一阶季节差分的公式是______。4.在ARIMA(p,d,q)模型中，d代表对原始序列进行的______阶数。5.完整的Box-Jenkins建模流程包含四个步骤：______、______、______、______。6.GARCH(m,s)模型是ARCH(q)模型的扩展，其中条件方差$h_t$不仅依赖于过去的扰动平方项，还依赖于过去的______。7.描述一个非平稳时间序列需要经过d阶差分才能平稳，我们称该序列为______过程。8.格兰杰因果关系检验的原假设是：变量X______变量Y的格兰杰原因。9.在EG两步法协整检验中，第一步需要对两个I(1)序列进行______回归并保存残差。10.衡量时间序列预测精度的常用指标包括均方根误差（______）、平均绝对误差（______）、平均绝对百分比误差（______）。三、判断题（共10题，每题2分。正确填√，错误填×）1.（）时间序列的均值、方差随时间变化就一定不是平稳序列。2.（）白噪声序列一定是平稳序列。3.（）AR(1)过程的自相关函数（ACF）呈指数衰减（拖尾）。4.（）MA(q)过程的偏自相关函数（PACF）在q阶后截尾。5.（）差分是消除时间序列线性趋势的有效方法。6.（）对于存在确定性趋势的非平稳序列，可以通过差分转换为平稳序列。7.（）ARCH模型主要用于描述金融时间序列波动率的聚类现象。8.（）VAR模型主要用于研究多个平稳时间序列之间的动态关系。9.（）如果两个I(1)序列协整，则它们之间至少存在一个方向的格兰杰因果关系。10.（）预测区间随着预测步长的增加通常会变宽。四、简答题（共4题，每题5分）1.简述平稳时间序列需要满足的条件。2.解释单位根检验（如ADF检验）的基本思想及其在时间序列分析中的作用。3.简述ARCH模型的基本思想及其主要应用领域。4.说明协整的经济含义是什么？协整关系存在意味着什么？五、讨论题（共4题，每题5分）1.比较AR(p)模型、MA(q)模型和ARMA(p,q)模型在结构、ACF和PACF特征上的主要区别。2.讨论差分操作在时间序列建模中的作用。差分操作可能带来哪些潜在问题？如何选择合适的差分阶数d？3.阐述GARCH模型相对于ARCH模型的改进之处。为什么GARCH模型（特别是低阶如GARCH(1,1)）在实证分析中应用更广泛？4.论述在建立VAR模型时，如何确定合适的滞后阶数（LagOrder）？常用的选择准则有哪些？并解释其含义。答案及解析一、单项选择题1.C单位根检验（如ADF检验、PP检验）是检验时间序列是否存在单位根（即是否非平稳）的标准方法。格兰杰因果检验用于因果关系，协整检验用于多个非平稳序列的长期均衡关系，ARCH-LM检验用于条件异方差。2.B如果一个序列经过d阶差分后平稳，则称其为d阶单整序列，记为I(d)。经过一阶差分平稳，即为I(1)序列。3.BARMA(p,q)模型中，p代表自回归项（Autoregressive）的阶数，即依赖过去p期的自身值；q代表移动平均项（MovingAverage）的阶数，即依赖过去q期的扰动项。4.AAR(1)模型平稳的充要条件是自回归系数的绝对值小于1，即|φ|<1。5.A严格的白噪声序列（WhiteNoise）定义是：均值为0，方差为常数σ²，且不同时刻的随机干扰项互不相关（即自协方差γ(k)=0,∀k≠0）。6.B增广迪基-富勒检验（ADFTest）的原假设（H0）是序列存在单位根（即序列非平稳）。备择假设（H1）是序列平稳或趋势平稳。7.BACF拖尾表明序列可能具有AR特征；PACF在p阶后截尾是AR(p)模型的典型特征。8.BARCH-LM检验（Engle'sLMTest）是检验残差序列是否存在ARCH效应（条件异方差）的常用方法。Ljung-Box检验用于检验序列自相关性，ADF检验用于平稳性，Jarque-Bera检验用于正态性。9.AARCH(q)模型的定义是：条件方差$h_t=Var(\epsilon_t|F_{t-1})=\alpha_0+\alpha_1\epsilon_{t-1}^2+...+\alpha_q\epsilon_{t-q}^2$，即依赖于前q期的扰动项平方。10.A如果两个或多个I(1)序列的某个线性组合是I(0)（即平稳）的，则称这些序列是协整的。这个线性组合就是它们的长期均衡关系。二、填空题1.趋势成分、季节成分、随机（或循环/不规则）成分2.自相关（或自协方差）、偏自相关3.$\nabla_sX_t=X_t-X_{t-s}$4.非季节（或常规）差分5.模型识别（Identification）、参数估计（Estimation）、模型诊断（DiagnosticChecking）、预测（Forecasting）6.条件方差$h_{t-i}$（或过去的波动率）7.I(d)（或d阶单整）8.不是9.OLS（或普通最小二乘）10.RMSE、MAE、MAPE三、判断题1.√弱平稳时间序列要求均值恒定、自协方差仅依赖于时间间隔k而与时间起点t无关。如果均值或方差随时间变化，则必然不满足弱平稳条件。2.√白噪声序列的定义满足弱平稳序列的所有条件：均值为常数（通常为0）、方差为常数、自协方差函数在k≠0时为零。3.√对于平稳的AR(1)过程，其自相关函数（ACF）以指数速率衰减（拖尾），即ρ(k)=φ^k，|φ|<1。4.×MA(q)过程的自相关函数（ACF）在q阶后截尾（即k>q时，ρ(k)=0）。其偏自相关函数（PACF）呈衰减趋势（拖尾），而不是截尾。5.√差分运算是消除时间序列中确定性趋势（如线性趋势、多项式趋势）和随机趋势（即单位根）的主要手段。6.×差分主要消除的是随机趋势（单位根）。对于存在确定性趋势（如线性趋势$y_t=\alpha+\betat+\epsilon_t$）的非平稳序列，直接差分并不能使其变为平稳序列（差分后变成$y_t-y_{t-1}=\beta+(\epsilon_t-\epsilon_{t-1})$，引入了MA(1)扰动，趋势β依然存在）。通常需要对包含确定性趋势项的模型（如趋势平稳模型）进行回归或建立ARIMAX模型。7.√ARCH模型及其扩展（GARCH）的核心思想就是条件方差是过去扰动平方的函数，能够刻画金融时间序列中常见的“波动率聚集”（VolatilityClustering）现象，即大幅波动后往往跟随大幅波动，小幅波动后往往跟随小幅波动。8.√向量自回归（VectorAutoregression,VAR）模型将系统中每个内生变量作为系统中所有内生变量滞后值的函数来建模，适用于研究多个平稳时间序列变量之间的动态互动关系。9.×协整关系表示变量之间存在长期的均衡关系，但并不意味着在短期动态调整（Granger因果关系）上必然存在显著的影响。一个变量可以是另一个变量的长期原因（协整），但不一定是其短期原因（Granger原因）。需要单独进行格兰杰因果检验来确定。10.√预测误差会随着预测步长（ForecastHorizon）的增加而累积增大，导致预测精度下降。同时，对未来扰动的估计不确定性也增加。因此，预测区间（如95%置信区间）通常会随着预测步长的增加而变得越来越宽，反映这种不确定性增加。四、简答题1.平稳时间序列需要满足的条件：平稳时间序列的核心要求是其统计特性不随时间推移而改变。具体分为严格平稳和弱平稳（宽平稳）。弱平稳要求三个条件同时满足：(1)均值恒定：$E(Y_t)=\mu$（对所有时间t为一常数）；(2)方差恒定：$Var(Y_t)=\sigma^2$（对所有时间t为一常数）；(3)自协方差仅依赖于时间间隔k：$Cov(Y_t,Y_{t+k})=\gamma_k$（对所有时间t和间隔k，$\gamma_k$只与k有关，与t无关）。在实际应用中，通常指弱平稳。满足这些条件意味着序列围绕一个恒定水平波动，且波动模式（自相关结构）稳定。2.单位根检验的基本思想及作用：单位根检验（如ADF检验）的核心思想是检验时间序列是否包含单位根（UnitRoot）。如果序列存在单位根（即特征方程存在单位根），则序列是非平稳的（如随机游走）。ADF检验通过在原序列（或带趋势项、常数项）上建立包含滞后差分项的回归模型：$\Deltay_t=\alpha+\betat+\gammay_{t-1}+\sum_{i=1}^{p}\delta_i\Deltay_{t-i}+\epsilon_t$，其中检验的原假设是$H_0:\gamma=0$（存在单位根，序列非平稳）。通过计算对应的t统计量并与特定的临界值比较判断是否拒绝原假设。其作用在于：是判断时间序列是否平稳（是否存在随机趋势）的标准检验方法，是决定是否需要差分操作、以及后续建模（ARIMAvsARMA）的重要前置步骤，避免因忽视非平稳性导致的“伪回归”问题。3.ARCH模型的基本思想及应用领域：ARCH模型（自回归条件异方差模型）由Engle提出，其基本思想是描述时间序列波动率（条件方差）的动态变化特性。模型认为当前时刻的条件方差$h_t$（即基于过去信息$F_{t-1}$的波动率）不是常数，而是过去q期扰动（误差）平方的线性函数：$h_t=\alpha_0+\alpha_1\epsilon_{t-1}^2+\alpha_2\epsilon_{t-2}^2+...+\alpha_q\epsilon_{t-q}^2$。其中$\alpha_0>0,\alpha_i\geq0$。该模型的核心应用领域是金融时间序列分析，特别是用于刻画资产收益率（如股票价格、汇率、利率变动）序列中普遍存在的“波动率聚集”（VolatilityClustering）现象和“厚尾”（FatTails）特征，以及用于金融风险的度量和预测（如计算在险价值VaR）。4.协整的经济含义及存在意义：协整（Cointegration）的经济含义是指两个或多个非平稳经济时间序列（如I(1)序列）之间存在一种长期、稳定的均衡关系。尽管每个序列本身可能表现出于无规律的变动（如随机游走），但它们的某种线性组合$z_t=\beta_0+\beta_1Y_{1t}+\beta_2Y_{2t}+...$却可能是平稳的（I(0)）。向量$\beta$描述了这种长期均衡关系。协整关系的存在意味着：尽管短期波动可能使各序列偏离均衡，但由于存在一种内在的稳定机制（如同供求法则），系统最终会向均衡状态回复。例如，虽然消费和收入都是不平稳的，但它们可能长期保持稳定的比例关系。协整关系是理解经济变量之间长期均衡的重要概念，为建立误差修正模型（ECM）分析短期偏离与长期均衡调整提供了理论基础，避免了分析非平稳变量间关系时的伪回归问题。五、讨论题1.模型结构、ACF、PACF特征比较：AR(p)：结构：$X_t=c+\phi_1X_{t-1}+...+\phi_pX_{t-p}+\epsilon_t$。仅依赖自身过去值和当前扰动。ACF特征：拖尾（指数或阻尼正弦波衰减）。PACF特征：p阶后截尾（即k>p时，PACF(k)显著为零）。MA(q)：结构：$X_t=\mu+\epsilon_t+\theta_1\epsilon_{t-1}+...+\theta_q\epsilon_{t-q}$。依赖过去q期扰动和当前扰动。ACF特征：q阶后截尾（即k>q时，ACF(k)显著为零）。PACF特征：拖尾（可能指数衰减或振荡衰减）。ARMA(p,q)：结构：$X_t=c