2020年CFA二级数量方法刷完直接上考场真题及答案

2020年CFA二级数量方法刷完直接上考场真题及答案

一、单项选择题（总共10题，每题2分）1.以下哪种方法不属于时间序列分析中的预测方法？A.移动平均法B.指数平滑法C.线性回归法D.蒙特卡罗模拟法2.在回归分析中，如果回归系数的t-统计量的值较大，说明：A.该系数在统计上不显著B.该系数在统计上显著C.回归模型的拟合优度较高D.回归模型的异方差性较强3.当使用自回归（AR）模型进行时间序列预测时，AR(p)模型中p的含义是：A.滞后阶数B.预测期数C.样本数量D.误差项的标准差4.对于一个多元线性回归模型，若解释变量之间存在高度的线性相关性，可能会导致：A.模型的拟合优度降低B.回归系数的估计值不稳定C.误差项的方差增大D.回归模型的F-统计量变小5.以下关于ARCH模型的说法，正确的是：A.用于描述时间序列的均值变化B.用于描述时间序列的异方差性C.用于预测时间序列的未来值D.用于检验时间序列的平稳性6.在检验时间序列的平稳性时，常用的方法是：A.单位根检验B.协整检验C.格兰杰因果检验D.方差分析7.若一个时间序列的自相关函数（ACF）在滞后k期后迅速趋近于零，而偏自相关函数（PACF）在滞后p期后截尾，则该时间序列适合用：A.MA(q)模型B.AR(p)模型C.ARMA(p,q)模型D.ARIMA(p,d,q)模型8.回归分析中，调整的R²与R²相比，其优点在于：A.考虑了样本数量和解释变量的个数B.总是大于R²C.不考虑解释变量的个数D.对模型的拟合优度评价更宽松9.在多元线性回归中，如果某个解释变量的VIF（方差膨胀因子）值大于10，说明：A.该解释变量与其他解释变量之间存在多重共线性B.该解释变量对被解释变量的影响不显著C.回归模型的误差项存在异方差性D.回归模型存在自相关问题10.对于一个AR(1)模型Yt=φYt-1+εt，若|φ|>1，则该时间序列：A.是平稳的B.是非平稳的C.具有季节性D.具有异方差性二、填空题（总共10题，每题2分）1.在回归分析中，用于衡量回归模型拟合优度的指标是______。2.时间序列的平稳性要求其______、______和自协方差不随时间变化。3.ARIMA(p,d,q)模型中，d表示______。4.多元线性回归模型的基本假设包括______、______、______和______。5.自相关函数（ACF）衡量的是时间序列与其______之间的相关性。6.在ARCH模型中，条件方差依赖于______。7.格兰杰因果检验用于检验一个时间序列是否是另一个时间序列的______原因。8.调整的R²的计算公式为______。9.当时间序列存在单位根时，该序列是______的。10.在回归分析中，残差是指______与______之间的差值。三、判断题（总共10题，每题2分）1.线性回归模型的误差项必须服从正态分布，否则模型就无效。（）2.时间序列的自相关函数（ACF）和偏自相关函数（PACF）可以帮助我们确定合适的时间序列模型。（）3.多元线性回归模型中，解释变量的个数越多，模型的拟合优度就越高。（）4.ARCH模型可以用于预测时间序列的条件方差。（）5.单位根检验是检验时间序列是否平稳的常用方法。（）6.回归分析中，R²的值越接近1，说明模型的拟合效果越好。（）7.若时间序列存在季节性，那么在建立时间序列模型时需要考虑季节性因素。（）8.格兰杰因果关系意味着因果关系的方向是单向的。（）9.在多元线性回归中，多重共线性会导致回归系数的估计值不准确。（）10.指数平滑法只适用于具有趋势性的时间序列。（）四、简答题（总共4题，每题5分）1.简述多元线性回归模型的基本假设。2.说明自相关函数（ACF）和偏自相关函数（PACF）在时间序列分析中的作用。3.解释单位根检验的目的和常用方法。4.阐述ARCH模型的基本原理和应用场景。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模型的影响，并提出解决方法。2.分析时间序列平稳性的重要性，以及如何判断时间序列是否平稳。3.探讨回归分析中模型选择的方法和标准。4.说明时间序列预测模型（如AR、MA、ARMA、ARIMA）的适用场景和局限性。答案一、单项选择题1.D。蒙特卡罗模拟法主要用于模拟复杂系统的行为和风险评估，不属于时间序列分析中的预测方法。移动平均法、指数平滑法和线性回归法都可用于时间序列预测。2.B。t-统计量用于检验回归系数的显著性，t-统计量的值较大，说明该系数在统计上显著。3.A。AR(p)模型中p表示滞后阶数，即模型中使用的滞后项的个数。4.B。当解释变量之间存在高度线性相关性（多重共线性）时，回归系数的估计值会不稳定，标准误增大。5.B。ARCH模型用于描述时间序列的异方差性，即误差项的方差随时间变化。6.A。单位根检验是检验时间序列平稳性的常用方法。协整检验用于检验多个时间序列之间是否存在长期均衡关系；格兰杰因果检验用于检验因果关系；方差分析用于分析多个总体均值是否存在显著差异。7.B。若时间序列的自相关函数（ACF）在滞后k期后迅速趋近于零，而偏自相关函数（PACF）在滞后p期后截尾，则该时间序列适合用AR(p)模型。8.A。调整的R²考虑了样本数量和解释变量的个数，避免了单纯增加解释变量导致R²虚高的问题。9.A。VIF（方差膨胀因子）值大于10，说明该解释变量与其他解释变量之间存在多重共线性。10.B。对于AR(1)模型Yt=φYt-1+εt，若|φ|>1，则该时间序列是非平稳的。二、填空题1.R²（决定系数）2.均值；方差3.差分阶数4.线性性；独立性；同方差性；正态性5.滞后项6.过去的误差平方7.格兰杰8.\(1-(1-R^{2})\frac{n-1}{n-k-1}\)（其中n为样本数量，k为解释变量个数）9.非平稳10.实际值；预测值三、判断题1.错误。线性回归模型的误差项不一定要服从正态分布，只是在进行某些统计推断时，正态性假设会使结果更可靠。2.正确。自相关函数（ACF）和偏自相关函数（PACF）可以帮助我们确定合适的时间序列模型，如AR、MA、ARMA等。3.错误。解释变量的个数越多，可能会导致过拟合，虽然R²可能会提高，但调整的R²不一定会提高。4.正确。ARCH模型可以用于预测时间序列的条件方差。5.正确。单位根检验是检验时间序列是否平稳的常用方法。6.正确。R²的值越接近1，说明模型对数据的拟合效果越好。7.正确。若时间序列存在季节性，在建立模型时需要考虑季节性因素，如使用季节性ARIMA模型。8.错误。格兰杰因果关系并不意味着真正的因果关系，只是一种统计上的因果关系，且不一定是单向的。9.正确。多重共线性会导致回归系数的估计值不稳定，标准误增大，从而使估计值不准确。10.错误。指数平滑法适用于具有平稳性或带有一定趋势性的时间序列。四、简答题1.多元线性回归模型的基本假设包括：线性性，即被解释变量与解释变量之间存在线性关系；独立性，误差项之间相互独立；同方差性，误差项的方差为常数；正态性，误差项服从正态分布。这些假设是进行回归分析和统计推断的基础，保证了回归系数估计的有效性和可靠性。2.自相关函数（ACF）衡量时间序列与其滞后项之间的相关性，它可以帮助我们判断时间序列是否存在自相关以及自相关的程度和范围。偏自相关函数（PACF）则是在控制了中间滞后项的影响后，衡量时间序列与其滞后项之间的相关性。通过分析ACF和PACF的图形特征，可以确定合适的时间序列模型，如AR、MA、ARMA等。3.单位根检验的目的是检验时间序列是否平稳。常用方法有DF检验（Dickey-Fuller检验）和ADF检验（AugmentedDickey-Fuller检验）。ADF检验是对DF检验的改进，它考虑了时间序列的高阶自相关。如果时间序列存在单位根，则是非平稳的，需要进行差分等处理使其平稳。4.ARCH模型的基本原理是条件方差依赖于过去的误差平方。它用于描述时间序列的异方差性，即误差项的方差随时间变化。应用场景包括金融市场的风险评估，如股票收益率的波动建模，通过ARCH模型可以更准确地估计风险。五、讨论题1.多重共线性会导致回归系数的估计值不稳定，标准误增大，使得系数的显著性检验失效，可能会出现系数符号与理论不符的情况。解决方法包括增加样本数量、剔除高度相关的解释变量、采用主成分分析等方法对解释变量进行降维处理。2.时间序列平稳性非常重要，因为平稳的时间序列具有稳定的统计特征，便于进行建模和预测。判断时间序列是否平稳可以通过观察时间序列的图形，看其均值和方差是否随时间变化；也可以使用单位根检验，如ADF检验，若检验结果拒绝原假设（存在单位根），则认为序列是平稳的。3.回归分析中模型选择的方法有逐步回归法，包括向前选择、向后剔除和逐步筛选。选择标准主要有调整的R²，它考虑了样本数量和解释变量个数；AIC（赤池信息准则）和BIC（贝叶斯信息准则），它们在