2020时间序列分析期末刷分专用题库及答案

2020时间序列分析期末刷分专用题库及答案

一、单项选择题（10题，每题2分）1.下列关于时间序列分类的说法，正确的是（）A.只包含趋势成分的序列是平稳序列B.包含季节成分的序列一定是非平稳序列C.平稳序列没有任何波动D.非平稳序列无法进行模型分析2.宽平稳时间序列需满足的条件不包括（）A.均值为常数B.方差为常数C.自相关函数仅与时间间隔有关D.各期观测值相互独立3.白噪声序列的核心性质是（）A.均值为0，方差恒定，各期无相关B.均值为常数，方差随时间变化C.所有自相关系数都等于1D.仅前几期自相关系数非零4.一阶自回归模型（AR(1)）平稳的充要条件是（）A.自回归系数的绝对值小于1B.自回归系数的绝对值大于1C.随机扰动项方差恒定D.模型包含常数项5.对于一阶移动平均模型（MA(1)），其自相关函数（ACF）的特点是（）A.1阶后截尾B.1阶后拖尾C.所有阶数都为0D.随阶数增加呈指数衰减6.ARMA(p,q)模型的平稳性由以下哪个部分决定？（）A.AR部分B.MA部分C.随机扰动项D.常数项7.单位根检验的主要目的是（）A.检验序列是否存在趋势B.检验序列是否平稳C.检验序列是否存在季节成分D.检验模型残差是否为白噪声8.差分法的主要作用是（）A.消除序列的非平稳性B.增加序列的波动C.改变序列的均值D.调整序列的方差9.时间序列模型识别的核心依据是（）A.序列的均值B.序列的方差C.自相关函数（ACF）和偏自相关函数（PACF）D.随机扰动项的分布10.检验模型残差是否为白噪声的常用统计量是（）A.Q统计量B.t统计量C.F统计量D.卡方统计量二、填空题（10题，每题2分）1.时间序列由____和____两个基本要素构成。2.宽平稳序列的三个条件是：均值为常数、方差为常数、____。3.白噪声序列的自相关函数在所有阶数上的值都为____。4.AR(p)模型的结构是当前观测值由前____期观测值的线性组合加上随机扰动项构成。5.MA(q)模型的结构是当前观测值由前____期随机扰动项的线性组合加上常数项构成。6.若序列经过d次差分后变为平稳序列，则称原序列为____阶单整序列。7.单位根检验中，若检验统计量大于临界值，则序列存在____，是非平稳的。8.一阶差分的计算公式可描述为：____。9.AR(p)模型的偏自相关函数（PACF）在____阶后截尾。10.时间序列预测中，最小均方误差预测的目标是使____最小。三、判断题（10题，每题2分）1.严平稳时间序列一定是宽平稳时间序列。（）2.白噪声序列是平稳时间序列。（）3.AR(1)模型中，自回归系数绝对值大于1时序列平稳。（）4.MA(q)模型的自相关函数（ACF）在q阶后截尾。（）5.ARMA(p,q)模型的自相关函数和偏自相关函数都拖尾。（）6.差分法可以消除序列的线性趋势和季节趋势。（）7.ADF检验是单位根检验的一种常用方法。（）8.模型残差检验若通过，则说明模型拟合效果好。（）9.AR(p)模型的参数估计可采用普通最小二乘法。（）10.预测步长越长，预测的均方误差越小。（）四、简答题（4题，每题5分）1.简述宽平稳时间序列的定义及三个核心条件。2.比较AR(p)、MA(q)、ARMA(p,q)模型的自相关函数（ACF）和偏自相关函数（PACF）特点。3.简述ADF检验（单位根检验）的基本思想及主要步骤。4.简述时间序列模型识别的一般步骤。五、讨论题（4题，每题5分）1.讨论严平稳与宽平稳时间序列的区别与联系，试举例说明。2.讨论AR(1)模型的平稳性条件及平稳后自相关函数的性质。3.讨论如何通过自相关函数（ACF）和偏自相关函数（PACF）图识别ARMA(p,q)模型的阶数p和q。4.讨论时间序列预测中最小均方误差预测的基本思想及实际应用优势。一、单项选择题答案及解析1.B解析：仅趋势成分的序列均值随时间变化，是非平稳；季节成分导致统计特性随季节波动，为非平稳；平稳序列有波动但统计特性不变；非平稳可通过差分等处理后分析。2.D解析：宽平稳只需二阶矩平稳，无需各期独立；独立序列是严平稳（若二阶矩存在），但宽平稳不一定独立。3.A解析：白噪声核心是零均值、恒定方差、各期无相关（自相关系数为0）。4.A解析：AR(1)平稳充要条件是自回归系数绝对值小于1，否则序列发散。5.A解析：MA(1)的ACF仅1阶非零，1阶后截尾。6.A解析：ARMA平稳性由AR部分的特征根决定，MA部分无平稳性要求。7.B解析：单位根检验用于判断序列是否存在单位根（非平稳），是平稳性检验的核心方法。8.A解析：差分通过计算相邻期差值消除趋势或季节等非平稳成分，使序列平稳。9.C解析：ACF和PACF的截尾/拖尾特性是识别AR/MA/ARMA阶数的核心依据。10.A解析：Q统计量（如Ljung-Box统计量）用于检验残差序列的自相关性，判断是否为白噪声。二、填空题答案1.时间点；观测值2.自相关函数仅与时间间隔有关3.04.p5.q6.d7.单位根8.相邻两期观测值的差值（后一期减前一期）9.p10.预测误差的均方值三、判断题答案及解析1.×解析：严平稳是分布平稳，若序列二阶矩不存在，则不是宽平稳；仅当严平稳序列二阶矩存在时，才是宽平稳。2.√解析：白噪声序列均值为0（常数）、方差恒定、自相关函数为0（仅与间隔有关），满足宽平稳条件。3.×解析：AR(1)自回归系数绝对值大于1时，序列随时间发散，是非平稳的。4.√解析：MA(q)的ACF仅前q阶非零，q阶后截尾（自相关系数为0）。5.√解析：ARMA(p,q)的ACF由AR和MA共同决定，拖尾；PACF也拖尾，无截尾特性。6.√解析：一阶差分消除线性趋势，季节差分消除季节趋势，使序列平稳。7.√解析：ADF检验（增广迪基-富勒检验）是常用的单位根检验方法，可检验不同结构的序列。8.√解析：残差白噪声检验通过，说明模型已提取序列的所有可预测信息，拟合效果较好。9.√解析：AR(p)模型参数可通过普通最小二乘法（OLS）估计，若残差为白噪声则有效。10.×解析：预测步长越长，预测误差的不确定性越大，均方误差随步长增加而增大。四、简答题答案1.宽平稳时间序列是统计特性不随时间推移变化的序列，核心条件为：①均值为常数，不随时间t变化；②方差为常数，不随时间t变化；③自相关函数仅与时间间隔k有关，与具体时间t无关。这三个条件保证序列的二阶矩平稳，是时间序列分析中常用的平稳性定义。2.①AR(p)：ACF拖尾（随阶数增加呈指数衰减或正弦衰减），PACF在p阶后截尾；②MA(q)：ACF在q阶后截尾，PACF拖尾；③ARMA(p,q)：ACF和PACF均拖尾，无截尾特性。通过这三个模型的ACF/PACF差异，可初步识别模型类型及阶数。3.ADF检验的基本思想是检验序列是否存在单位根（若存在则非平稳），步骤为：①设定检验模型（含常数项、趋势项等不同结构）；②估计模型参数，计算t统计量；③将t统计量与ADF临界值比较，若t统计量小于临界值，则拒绝“存在单位根”的原假设，序列平稳；否则非平稳，需差分后再检验。4.模型识别步骤：①预处理序列，消除缺失值、异常值；②检验序列平稳性，若非平稳则进行差分（d阶单整）；③计算平稳序列的ACF和PACF；④根据ACF/PACF的截尾/拖尾特性，初步判断模型类型（AR/MA/ARMA）及阶数p、q；⑤初步拟合模型，检验残差是否为白噪声，若未通过则调整阶数。五、讨论题答案1.区别：严平稳是序列的联合分布不随时间推移变化，是分布级别的平稳；宽平稳是二阶矩（均值、方差、自相关）平稳，是矩级别的平稳。联系：若严平稳序列存在二阶矩，则一定是宽平稳；但宽平稳不一定是严平稳（如正态序列的宽平稳等价于严平稳）。举例：白噪声序列是严平稳（若分布不变）且宽平稳；某序列均值、方差恒定，但分布随时间变化（如不同时期服从不同正态分布），则是宽平稳但非严平稳。2.AR(1)模型平稳的充要条件是自回归系数φ的绝对值小于1。平稳后，自相关函数（ACF）呈指数衰减：ρ(k)=φ^k（k≥1），即随时间间隔k增加，自相关系数逐渐趋近于0，且符号与φ一致。若φ为正，ACF呈正指数衰减；若φ为负，呈正负交替衰减。该性质体现了平稳AR(1)序列的记忆性随间隔增加而减弱。3.识别ARMA(p,q)阶数的步骤：①若ACF在q阶后截尾，PACF拖尾，则为MA(q)；②若PACF在p阶后截尾，ACF拖尾，则为AR(p)；③若ACF和PACF均拖尾，则为ARMA(p,q)。此时，可通过AIC、BIC等信息准则选择最优p、q（一般p和q从0开始试算，取信息准则最小的组合）；也可观察ACF和PACF的衰减速度，初步估计p（PACF衰减到接近0的阶数）和q（AC