(2025年)实证金融方法试题及答案

(2025年)实证金融方法试题及答案试题部分一、单项选择题（每题3分，共15分）1.以下关于实证金融数据类型的描述中，错误的是（）。A.横截面数据关注同一时间点不同个体的观测值B.时间序列数据要求观测值按时间顺序排列且需满足弱平稳性C.面板数据同时包含时间维度和个体维度，可控制未观测的个体异质性D.高频交易数据（如分钟级股价）属于截面数据范畴2.若回归模型存在内生性问题（如遗漏变量），最可能导致的结果是（）。A.系数估计量无偏但非有效B.系数估计量有偏且不一致C.系数估计量有效但有偏D.系数估计量一致但非有效3.在Fama-MacBeth回归中，核心步骤是（）。A.先对每个时间点进行横截面回归，再对时间序列的系数取平均B.先对每个个体进行时间序列回归，再对横截面的系数取平均C.直接使用面板数据进行固定效应回归D.通过工具变量法解决内生性后进行两步回归4.检验回归模型是否存在异方差时，常用的方法是（）。A.Durbin-Watson检验B.Breusch-Pagan检验C.Hausman检验D.Jarque-Bera检验5.对于双重差分法（DID），关键假设是（）。A.处理组与对照组在政策冲击前满足“共同趋势”B.处理组与对照组的样本量必须相等C.模型中不存在遗漏变量D.解释变量与被解释变量严格外生二、简答题（每题8分，共32分）1.简述内生性问题的三种主要来源，并分别举例说明。2.相较于普通最小二乘法（OLS），广义矩估计（GMM）的优势体现在哪些方面？3.面板数据模型中，固定效应模型（FE）与随机效应模型（RE）的核心区别是什么？如何通过Hausman检验选择模型？4.稳健性检验在实证金融研究中的作用是什么？请列举三种常见的稳健性检验方法。三、计算题（每题15分，共30分）1.假设研究“机构投资者持股比例（INST）对上市公司股价波动性（VOL）的影响”，设定如下回归模型：VOLᵢₜ=α+βINSTᵢₜ+γSIZEᵢₜ+δLEVᵢₜ+εᵢₜ其中，SIZE为公司规模（总资产对数），LEV为资产负债率，i表示公司，t表示时间（2010-2020年）。（1）若怀疑INST存在内生性（如反向因果：股价波动可能影响机构持股决策），应采用何种方法处理？请写出具体步骤。（2）若通过检验发现模型存在异方差，应如何调整估计方法？并说明调整后的估计量性质。2.基于某A股市场200家上市公司2015-2020年的面板数据，研究“数字金融发展（DF）对企业创新投入（RD）的影响”，设定动态面板模型：RDᵢₜ=ρRDᵢₜ₋₁+βDFᵢₜ+γXᵢₜ+μᵢ+νₜ+εᵢₜ其中，μᵢ为个体固定效应，νₜ为时间固定效应，Xᵢₜ为控制变量（如企业年龄、研发补贴）。（1）该模型为何被称为“动态面板”？动态面板可能存在哪些估计偏误？（2）若采用系统GMM（SystemGMM）估计，需满足哪些前提假设？请写出系统GMM的基本思想。四、综合分析题（23分）基于中国沪深A股上市公司2010-2020年数据，研究“绿色金融政策（如绿色信贷指引）对重污染企业环境绩效（以单位产值污染排放强度衡量）的影响”。要求：（1）提出研究假说（至少2个）；（2）设计计量模型（需明确被解释变量、核心解释变量、控制变量）；（3）说明可能存在的内生性问题及解决方法；（4）设计稳健性检验方案（至少3种）。答案部分一、单项选择题1.D（高频交易数据属于时间序列数据或高频时间序列数据，非截面数据）2.B（内生性导致估计量有偏且不一致）3.A（Fama-MacBeth回归的核心是“先截面后时间平均”）4.B（Breusch-Pagan检验用于异方差，Durbin-Watson检验自相关，Hausman检验FE与RE，Jarque-Bera检验正态性）5.A（共同趋势假设是DID的关键前提）二、简答题1.内生性问题的三种来源及示例：（1）遗漏变量：模型未包含影响被解释变量的关键变量（如研究“企业研发投入对绩效的影响”时，遗漏“管理层创新意愿”这一变量，其与研发投入和绩效均相关）。（2）反向因果：被解释变量与解释变量存在双向因果关系（如股价波动性高可能导致机构投资者减持，同时机构持股又影响波动性）。（3）测量误差：解释变量或被解释变量存在观测误差（如用“专利数量”代理“创新能力”时，未授权专利可能被错误计入，导致测量偏误）。2.GMM相较于OLS的优势：（1）适用性更广：不依赖变量严格外生或误差项正态分布假设，仅需矩条件成立；（2）有效性提升：通过选择最优权重矩阵（如异方差稳健的HAC权重），可得到更有效的估计量；（3）处理内生性：当存在内生解释变量时，GMM可结合工具变量法（如IV-GMM），利用更多矩条件提高估计效率；（4）动态模型适配：适用于包含滞后项的动态面板模型（如系统GMM），解决内生滞后变量问题。3.FE与RE的核心区别及Hausman检验：（1）核心区别：固定效应模型假设个体异质性（μᵢ）与解释变量相关（μᵢ与Xᵢₜ相关），需通过组内离差消除μᵢ；随机效应模型假设μᵢ与解释变量不相关（μᵢ与Xᵢₜ独立），通过广义最小二乘法（GLS）利用组间信息。（2）Hausman检验：原假设为“RE有效且一致”，备择假设为“FE一致而RE不一致”。若检验统计量显著（p<0.05），拒绝原假设，应选择FE；否则选择RE。4.稳健性检验的作用及方法：（1）作用：验证研究结论的可靠性，排除因模型设定、变量测量或样本选择等因素导致的偶然性结果。（2）常见方法：①替换核心变量：如用“托宾Q”替换“ROA”衡量企业绩效；②分样本回归：按企业规模、行业或地区分组，检验系数显著性是否一致；③改变估计方法：如用中位数回归替换OLS，检验对异常值的敏感性；④缩尾（Winsorize）或截尾（Truncate）处理：减少极端值对结果的影响；⑤安慰剂检验（PlaceboTest）：虚构政策冲击时间或处理组，验证系数是否显著为0。三、计算题1.（1）处理内生性的方法及步骤：应采用工具变量法（IV）。具体步骤：①寻找合适的工具变量Zᵢₜ，需满足相关性（Zᵢₜ与INSTᵢₜ显著相关）和外生性（Zᵢₜ仅通过INSTᵢₜ影响VOLᵢₜ，与εᵢₜ不相关）。例如，选择“机构投资者所在城市的行业集中度”作为工具变量（假设该变量影响机构持股决策，但不直接影响公司股价波动）。②进行两阶段最小二乘（2SLS）估计：第一阶段：INSTᵢₜ=π₀+π₁Zᵢₜ+π₂SIZEᵢₜ+π₃LEVᵢₜ+ωᵢₜ，得到拟合值INST̂ᵢₜ；第二阶段：VOLᵢₜ=α+βINST̂ᵢₜ+γSIZEᵢₜ+δLEVᵢₜ+εᵢₜ，估计β的一致估计量。（2）异方差的调整方法及估计量性质：若存在异方差，应使用异方差稳健标准误（White稳健标准误）或进行加权最小二乘（WLS）。调整后，OLS系数估计量仍保持无偏和一致性，但标准误会被修正，避免因异方差导致的t检验和F检验失效。2.（1）动态面板的定义及偏误：该模型包含被解释变量的滞后项（RDᵢₜ₋₁），因此称为动态面板。动态面板可能存在以下偏误：①内生性偏误：RDᵢₜ₋₁与个体固定效应μᵢ相关（μᵢ影响RD的历史值和当前值），导致OLS估计有偏；②弱工具变量偏误：若滞后阶数选择不当（如仅用一阶滞后作为工具变量），可能导致工具变量与内生变量相关性不足，估计量非有效；③样本选择偏误：若面板数据存在非随机缺失（如企业退市），可能导致估计结果偏离总体。（2）系统GMM的假设及基本思想：前提假设：①工具变量外生性：滞后的RDᵢₜₛ（s≥2）与误差项εᵢₜ不相关；②无自相关：误差项εᵢₜ不存在二阶及以上序列相关（AR(2)检验）；③模型设定正确：动态面板模型形式合理，控制变量已包含关键影响因素。基本思想：系统GMM同时利用水平方程和差分方程的矩条件。水平方程以滞后差分变量（如ΔRDᵢₜ₋₁）作为水平变量（RDᵢₜ）的工具变量；差分方程以滞后水平变量（如RDᵢₜ₋₂）作为差分变量（ΔRDᵢₜ）的工具变量。通过结合两组矩条件，提高估计效率，尤其是在面板数据时间维度（T）较短时效果更优。四、综合分析题（1）研究假说：假说1：绿色金融政策实施后，重污染企业的单位产值污染排放强度显著下降（政策抑制污染）；假说2：绿色金融政策对国有重污染企业的污染减排效果优于非国有企业（所有制异质性）；假说3：绿色金融政策通过提高企业环保投资（中介变量）间接降低污染排放强度（中介效应）。（2）计量模型设计：被解释变量：污染排放强度（POLLUTEᵢₜ）=企业t年污染物排放量/企业t年总产值（取对数）；核心解释变量：绿色金融政策（TREATᵢₜ），若企业i属于重污染行业且t≥政策实施年份（如2016年《绿色信贷指引》），则TREATᵢₜ=1，否则=0；控制变量：企业规模（SIZEᵢₜ=总资产对数）、资产负债率（LEVᵢₜ）、企业年龄（AGEᵢₜ）、研发投入（RDᵢₜ）、行业固定效应（IND）、时间固定效应（YEAR）。模型设定：POLLUTEᵢₜ=α+βTREATᵢₜ+γXᵢₜ+INDᵢ+YEARₜ+εᵢₜ（3）内生性问题及解决：①遗漏变量：可能遗漏“地方环保监管强度”（与TREATᵢₜ相关且影响POLLUTEᵢₜ）。解决方法：加入省份-时间固定效应（PROVINCE×YEAR）控制地区随时间变化的监管差异；②反向因果：污染排放强度高的企业可能被更严格地纳入绿色金融政策范围（即“自选择”问题）。解决方法：采用倾向得分匹配-双重差分法（PSM-DID），先匹配处理组与对照组（按企业规模、行业等特征），再进行DID估计；③测量误差：污染排放数据可能存在企业瞒报（如部分污染物未披露）。解决方法：使用第三方机构（如环保部）的核查数据替代企业自报数据，或加入“环境处罚次数”作为工具变量（与实际污染相关但与测量误差无关）。（4）稳健性检验方案：①替换政策变量：将“绿色信贷指引”扩展至“绿色债券试点”（201