2025金融量化岗笔试时间序列分析试题及答案

2025金融量化岗笔试时间序列分析试题及答案

一、单项选择题（共10题，每题2分）1.下列关于平稳时间序列的描述，正确的是（）A.均值和方差为常数B.自协方差函数仅依赖于滞后阶数C.同时满足A和BD.既不满足A也不满足B2.已知AR(1)模型为yt=0.8yt-1+εt，εt为白噪声序列，则该模型（）A.平稳B.不平稳C.临界平稳D.无法判断3.ADF单位根检验的原假设是（）A.序列存在单位根（非平稳）B.序列不存在单位根（平稳）C.序列为白噪声D.序列为纯随机游走4.Granger因果检验的原假设是（）A.变量X是变量Y的Granger原因B.变量X不是变量Y的Granger原因C.变量X和Y存在双向Granger因果D.变量X和Y无任何相关关系5.GARCH(1,1)模型中，若α1+β1<1，则说明（）A.波动率序列平稳B.序列均值平稳C.序列方差平稳D.模型无实际意义6.下列模型中，最适合处理金融时间序列异方差性的是（）A.ARMA模型B.ARIMA模型C.GARCH模型D.MA模型7.协整检验的前提条件是（）A.变量均为平稳序列B.变量均为同阶单整序列C.变量均为一阶单整序列D.变量均为白噪声序列8.ARIMA(p,d,q)模型中，参数d的含义是（）A.自回归阶数B.移动平均阶数C.差分次数D.滞后阶数9.白噪声序列的自相关函数（ACF）特征是（）A.所有滞后阶数的ACF值均为0B.除0阶外，其余滞后阶数的ACF值趋近于0C.所有滞后阶数的ACF值均为1D.ACF值无明显规律10.高频金融数据中的“日历效应”（如周一效应）属于时间序列的（）A.趋势性B.季节性C.异方差性D.平稳性二、填空题（共10题，每题2分）1.时间序列的核心特征包括____和____（从趋势性、平稳性、异方差性中选择）2.AR(p)模型的平稳性条件是其特征方程的所有根____3.ADF检验相比DF检验，额外引入了____项来消除序列的自相关4.协整关系反映了变量之间的____5.GARCH模型属于____建模范畴6.模型选择准则AIC的全称是____7.差分运算的主要作用是消除时间序列的____8.MA(q)模型的可逆性条件是其特征方程的所有根____9.高频数据中的“跳空”属于____（异常值/噪声）10.误差修正模型（ECM）中，误差修正项反映了____三、判断题（共10题，每题2分）1.平稳时间序列的均值一定是常数（）2.AR(2)模型yt=1.2yt-1-0.2yt-2+εt是平稳的（）3.ADF检验拒绝原假设，说明序列存在单位根（）4.Granger因果检验显著，说明变量之间存在真实的因果关系（）5.GARCH(1,1)模型中，若α1+β1=1，则为IGARCH模型（）6.协整变量的一阶差分序列一定是平稳的（）7.ARIMA(0,1,1)模型等价于无漂移的随机游走（）8.白噪声序列的偏自相关函数（PACF）所有滞后阶数的值均为0（）9.季节性调整的目的是消除时间序列中的季节性波动（）10.高频数据的已实现波动率（RV）是连续时间内平方收益的积分近似（）四、简答题（共4题，每题5分）1.简述平稳时间序列的定义及严格平稳与宽平稳的区别2.比较ARMA模型与ARIMA模型的适用场景及核心差异3.简述GARCH模型的核心思想及在金融量化中的典型应用4.说明协整检验的基本步骤及对量化建模的意义五、讨论题（共4题，每题5分）1.金融时间序列建模中，单位根检验（ADF）与协整检验的关系是什么？如何结合应用？2.如何确定ARMA模型的最优阶数（p,q）？列举常用方法并说明其逻辑3.波动率建模中，GARCH模型与已实现波动率（RV）模型的区别及互补性是什么？4.什么是金融时间序列的“伪回归”问题？如何在量化建模中有效避免？一、单项选择题答案及解析1.答案：C解析：平稳时间序列需满足均值常数、方差有限、自协方差仅依赖滞后，C同时满足A和B。2.答案：A解析：AR(1)平稳条件是|φ₁|<1，0.8<1，故平稳。3.答案：A解析：ADF原假设为序列存在单位根（非平稳），拒绝则说明平稳。4.答案：B解析：Granger因果检验原假设是X不是Y的Granger原因，拒绝则说明X对Y有预测能力。5.答案：A解析：GARCH(1,1)中α₁+β₁<1是波动率平稳的条件，保证方差有限。6.答案：C解析：GARCH模型专门用于处理异方差（波动率聚类），ARMA/ARIMA未考虑异方差。7.答案：B解析：协整前提是变量同阶单整（如均为I(1)），否则无法协整。8.答案：C解析：ARIMA中d是差分次数，使非平稳序列变为平稳。9.答案：B解析：白噪声ACF除0阶（1）外，其余滞后项趋近于0（统计上不显著）。10.答案：B解析：日历效应属于季节性（周期性）波动，如每周、每月的规律。二、填空题答案及解析1.答案：平稳性、异方差性解析：金融时间序列核心特征是平稳性（建模基础）和异方差性（波动率建模）。2.答案：在单位圆外解析：AR(p)平稳性条件是特征方程根模大于1（单位圆外）。3.答案：滞后差分解析：ADF加入Δyₜ₋₁等滞后差分项，消除序列自相关对检验的影响。4.答案：长期均衡关系解析：协整反映变量长期内的稳定线性关系，短期可能偏离。5.答案：波动率解析：GARCH是广义自回归条件异方差模型，属于波动率建模。6.答案：赤池信息准则解析：AIC权衡模型拟合度与复杂度。7.答案：趋势性（或单位根）解析：差分可消除序列的趋势或单位根（非平稳性）。8.答案：在单位圆外解析：MA(q)可逆性条件是特征方程根模大于1，保证模型可识别。9.答案：异常值解析：跳空是价格突然大幅变动，属于异常值，需处理后建模。10.答案：短期偏离长期均衡的调整速度解析：ECM中误差修正项系数反映当前对长期均衡偏离的调整速度。三、判断题答案及解析1.答案：对解析：平稳序列的均值为常数，是宽平稳的必要条件。2.答案：错解析：AR(2)特征方程根为1和0.2，根1在单位圆上，不平稳。3.答案：错解析：ADF拒绝原假设（存在单位根），说明序列不存在单位根（平稳）。4.答案：错解析：Granger因果是预测因果，不是真实因果，仅说明X能帮助预测Y。5.答案：对解析：α₁+β₁=1的GARCH是积分GARCH（IGARCH），波动率具有单位根。6.答案：对解析：协整变量同阶单整，其一阶差分（如I(1)→I(0)）平稳。7.答案：错解析：ARIMA(0,1,1)是Δyₜ=εₜ+θ₁εₜ₋₁，不是随机游走（随机游走是Δyₜ=εₜ）。8.答案：对解析：白噪声无自相关和偏自相关，PACF所有滞后项为0。9.答案：对解析：季节性调整（如X-12方法）消除季节性波动，便于分析趋势和周期。10.答案：对解析：已实现波动率是高频数据中各时间间隔平方收益的和，近似连续时间积分。四、简答题答案1.平稳时间序列定义：严格平稳是联合分布不随时间平移变化；宽平稳是均值常数、方差有限、自协方差仅依赖滞后。区别：严格平稳是联合分布不变，宽平稳是二阶矩不变；宽平稳是严格平稳的必要不充分条件。金融中因严格平稳难验证，常用宽平稳作为建模基础。2.ARMA适用于平稳序列，描述AR与MA的线性组合；ARIMA适用于非平稳序列（d次差分后平稳），通过差分处理非平稳性。核心差异：ARMA要求序列本身平稳，ARIMA是ARMA的扩展，金融中多数序列（股价、汇率）非平稳，需用ARIMA。3.GARCH核心思想：金融序列存在波动率聚类，用过去残差平方（新信息）和历史波动率（旧信息）预测当前波动率（σₜ²=ω+α₁εₜ₋₁²+β₁σₜ₋₁²）。应用：风险管理（VaR计算）、期权定价（拟合隐含波动率）、资产配置（波动率调整权重）、高频交易（捕捉波动率突变）。4.协整检验步骤：①ADF检验确认变量同阶单整；②EG两步法（回归残差ADF检验）或Johansen检验验证残差平稳。意义：避免伪回归，反映长期均衡关系，可构建ECM模型，同时捕捉短期波动和长期均衡调整，提升模型解释力与预测精度。五、讨论题答案1.关系：协整前提是变量同阶单整，需先通过ADF确定单整阶数；单整阶数不同则无协整。应用：量化建模中，如构建“股价-成交量”模型，先ADF检验两者是否均为I(1)；若同阶，再协整检验；若协整，用ECM模型，既捕捉成交量短期变动对股价的影响，又捕捉股价偏离长期均衡的调整，避免伪回归。2.确定ARMA(p,q)最优阶数的方法：①图形法：ACF/PACF图，AR(p)PACF截尾、ACF拖尾；MA(q)ACF截尾、PACF拖尾；ARMA(p,q)两者拖尾。②信息准则：AIC、BIC、HQ，选准则值最小的(p,q)。③检验法：AR(p)做t检验（φₚ是否显著），MA(q)做Q检验（残差是否白噪声）。量化中结合图形与准则，避免过度拟合。3.区别：GARCH是参数模型，基于残差条件异方差，需估计参数；RV是非参数模型，基于高频平方收益和，无参数估计。互补性：用RV验证GARCH预测精度；用HAR-R