2026刷完稳拿90+时间序列分析试题及答案

2026刷完稳拿90+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.宽平稳时间序列的核心性质不包括（D）A.均值恒定B.方差恒定C.自协方差仅与滞后阶数有关D.序列值独立2.白噪声序列的自协方差函数特点是（B）A.滞后1阶为0，其余非0B.仅滞后0阶非0，其余为0C.线性衰减D.周期性波动3.AR(1)模型X_t=φX_{t-1}+ε_t平稳的充要条件是（A）A.|φ|<1B.|φ|>1C.φ=1D.φ=04.MA(1)模型X_t=ε_t+θε_{t-1}可逆的充要条件是（A）A.|θ|<1B.|θ|>1C.θ=0D.θ=15.ADF检验的原假设是（C）A.序列平稳B.序列有趋势C.序列存在单位根D.序列无单位根6.SARIMA模型中的季节性差分算子是（C）A.Δ=1-LB.Δ²=1-2L+L²C.Δ_s=1-L^sD.Δ=1+L7.GARCH(1,1)模型的条件方差方程是（A）A.σ_t²=ω+αε_{t-1}²+βσ_{t-1}²B.σ_t²=ω+αε_t²+βσ_t²C.σ_t²=ω+αX_{t-1}+βσ_{t-1}²D.σ_t²=ω+αε_{t-1}+βσ_{t-1}²8.协整分析的前提是变量必须（B）A.都是平稳的B.都是同阶单整的C.阶数不同D.任意阶数9.时间序列趋势分解中的加法模型适用于（A）A.季节性波动幅度不随趋势变化B.季节性波动幅度随趋势增大C.无趋势序列D.任何情况10.预测误差的常用衡量指标中，反映误差绝对值平均水平的是（C）A.均方误差（MSE）B.根均方误差（RMSE）C.平均绝对误差（MAE）D.平均绝对百分比误差（MAPE）二、填空题(总共10题，每题2分)1.严平稳时间序列要求对于任意整数k和滞后阶数τ，序列的k维分布_____。2.宽平稳时间序列需要满足三个条件：均值恒定、方差恒定、_____。3.AR(1)模型X_t=φX_{t-1}+ε_t的平稳条件是_____。4.MA(1)模型的可逆条件是移动平均算子的根在_____。5.自相关函数（ACF）截尾是_____模型的典型特征。6.偏自相关函数（PACF）截尾是_____模型的典型特征。7.ADF检验中滞后阶数的选择常用_____准则（如AIC、BIC）。8.SARIMA模型的符号表示为SARIMA(p,d,q)(P,D,Q)_s，其中D表示_____。9.GARCH(1,1)模型的条件方差依赖于_____和滞后条件方差。10.Engle-Granger协整检验的第一步是对变量进行_____回归得到残差。三、判断题(总共10题，每题2分)1.严平稳时间序列一定是宽平稳的。（）2.MA模型都是平稳的。（）3.AR(1)模型当φ=1时是平稳序列。（）4.ACF衰减速度慢说明序列可能存在单位根。（）5.SARIMA模型中的季节性差分算子是Δ_s=1-L^s。（）6.GARCH模型的条件方差可以为负。（）7.协整的变量必须是同阶单整的。（）8.趋势分解中的乘法模型适用于季节性波动幅度随趋势增大的情况。（）9.预测的均方误差（MSE）越小，预测效果越好。（）10.宽平稳时间序列的自协方差函数仅与时间间隔有关。（）四、简答题(总共4题，每题5分)1.简述平稳时间序列的定义及主要性质。2.简述ARIMA模型的建模步骤。3.简述GARCH模型的核心思想及主要应用场景。4.简述协整的经济意义及Engle-Granger检验的基本步骤。五、讨论题(总共4题，每题5分)1.结合实际例子说明时间序列平稳性对建模的重要性。2.讨论ARIMA模型与SARIMA模型的区别及适用场景。3.分析GARCH模型相对于传统异方差模型（如ARCH）的优势及实际应用价值。4.结合经济数据（如汇率与进出口额、GDP与消费）说明协整分析的实际意义。答案一、单项选择题1.D2.B3.A4.A5.C6.C7.A8.B9.A10.C二、填空题1.不随时间推移而变化2.自协方差仅与滞后阶数有关3.|φ|<14.单位圆外5.MA6.AR7.信息8.季节性差分阶数9.滞后残差平方10.OLS三、判断题1.×2.√3.×4.√5.√6.×7.√8.√9.√10.√四、简答题1.平稳时间序列分为严平稳和宽平稳。严平稳指任意k维分布不随时间推移而变化；宽平稳指满足均值恒定、方差恒定、自协方差仅与滞后阶数有关。主要性质：均值和方差不随时间变化；自协方差和自相关系数仅依赖于时间间隔；具有遍历性，样本矩可收敛到总体矩。2.步骤：①平稳性检验（如ADF），非平稳则d阶差分；②通过ACF/PACF识别p（AR阶数，看PACF截尾）和q（MA阶数，看ACF截尾）；③极大似然法估计参数；④残差白噪声检验（如LB检验）；⑤模型有效则进行预测。3.核心思想：条件方差依赖于滞后残差平方和滞后条件方差，捕捉“波动聚类”。应用场景：金融时间序列（如股票收益率、汇率），用于预测波动率、计算VaR（风险价值），解决异方差问题。4.经济意义：变量间存在长期均衡关系，短期偏离会通过误差修正回归均衡。Engle-Granger步骤：①检验变量单整阶数（需同阶）；②OLS回归得残差；③检验残差平稳性（如ADF），残差平稳则协整。五、讨论题1.平稳性是建模基础，非平稳序列直接回归会伪回归。例如，GDP（非平稳）与消费（非平稳）直接回归，R²高但无意义；差分后（增长率）平稳，再建模能反映真实关系。忽略平稳性会导致模型误导分析。2.ARIMA适用于无季节性的非平稳序列，通过d阶差分+ARMA建模；SARIMA加入季节性差分（D阶）和季节性ARMA(P,Q)，适用于有季节性的序列（如月度销售额）。例如，月度retail销售额有春节高峰，SARIMA能捕捉季节性，ARIMA会忽略导致预测差。3.ARCH需多滞后项，参数多；GARCH(1,1)仅用1阶滞后残差平方和条件方差，简洁且捕捉波动聚类。例如，股票收益率波动聚类，GARCH能准确预测波动率，计算VaR。相比ARCH，GARCH参数少、稳定性好，更实用。4.协