2026CFA二级数量方法考前必刷真题及答案提分20+

2026CFA二级数量方法考前必刷真题及答案提分20+

一、单项选择题，(总共10题，每题2分)1.在多元线性回归分析中，若自变量之间存在高度相关性，会导致下列哪种问题？A.异方差性B.多重共线性C.自相关性D.模型设定错误2.时间序列分析中，若一个序列的均值、方差和自协方差随时间变化而保持不变，则该序列是：A.平稳序列B.非平稳序列C.白噪声序列D.随机游走序列3.在假设检验中，第一类错误（TypeIerror）是指：A.接受了一个错误的原假设B.拒绝了一个正确的原假设C.接受了一个正确的备择假设D.拒绝了一个错误的备择假设4.蒙特卡洛模拟方法主要用于：A.参数估计B.假设检验C.风险分析和估值D.回归分析5.在贝叶斯统计中，先验概率（Priorprobability）是指：A.在观察到新证据后更新的概率B.基于历史数据计算的概率C.在没有任何证据情况下的主观概率D.条件概率的比值6.若一个投资组合的收益率分布呈左偏（负偏），则其：A.均值大于中位数B.均值等于中位数C.均值小于中位数D.与均值和中位数无关7.在时间序列建模中，ARIMA模型中的“I”代表：A.自回归B.移动平均C.积分D.季节性8.协整（Cointegration）分析主要用于检验：A.两个序列的短期关系B.两个序列的长期均衡关系C.序列的平稳性D.序列的异方差性9.在回归分析中，若残差项与自变量相关，会导致：A.异方差性B.多重共线性C.内生性问题D.模型拟合优度下降10.广义自回归条件异方差（GARCH）模型常用于建模：A.收益率的均值B.收益率的方差C.序列的自相关性D.序列的趋势成分二、填空题，(总共10题，每题2分)1.在时间序列分析中，________检验用于判断一个序列是否平稳。2.若两个变量之间的相关系数为0.8，则它们之间存在________相关关系。3.在贝叶斯公式中，后验概率与先验概率和________的乘积成正比。4.多元线性回归模型的基本形式为Y=β₀+β₁X₁+...+βₖXₖ+ε，其中ε代表________。5.在假设检验中，________水平通常设为0.05或0.01。6.若一个序列的一阶差分后变为平稳序列，则该序列是________阶单整的。7.在投资组合理论中，________用于衡量资产收益率与市场收益率之间的关系。8.时间序列的________成分是指长期上升或下降的趋势。9.在回归分析中，________统计量用于检验单个回归系数的显著性。10.若一个序列的ACF（自相关函数）缓慢衰减，而PACF（偏自相关函数）在滞后1阶后截断，则该序列可能适合________模型。三、判断题，(总共10题，每题2分)1.在多元线性回归中，调整后的R²总是小于或等于未调整的R²。（）2.白噪声序列一定是平稳序列。（）3.若p值小于显著性水平，则拒绝原假设。（）4.异方差性会导致回归系数的OLS估计量有偏。（）5.随机游走序列是平稳序列。（）6.在时间序列分析中，AR模型和MA模型可以相互转换。（）7.贝叶斯统计不依赖于先验概率的选择。（）8.若两个序列是协整的，则它们的线性组合是平稳的。（）9.在GARCH模型中，条件方差仅依赖于过去的残差平方。（）10.蒙特卡洛模拟的结果总是精确的，无需考虑抽样误差。（）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，并说明若这些假设不满足可能导致的后果。2.解释时间序列分析中平稳性的含义，并说明为什么平稳性对时间序列建模很重要。3.比较频率学派和贝叶斯学派在统计推断中的主要区别。4.简述GARCH模型的基本思想及其在金融时间序列分析中的应用。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分析的影响，以及常用的检测和处理方法。2.分析贝叶斯统计在金融风险管理中的优势与局限性。3.讨论协整分析在资产定价和投资组合管理中的实际应用价值。4.比较蒙特卡洛模拟和历史模拟法在金融风险测量中的优缺点。答案与解析一、单项选择题1.B多重共线性是指自变量之间高度相关，会导致回归系数估计不稳定。2.A平稳序列的统计特性不随时间变化。3.B第一类错误是拒绝正确的原假设。4.C蒙特卡洛模拟常用于风险分析和估值。5.C先验概率是基于主观判断或历史经验的初始概率。6.C左偏分布中均值小于中位数。7.CARIMA中的I代表积分，即差分次数。8.B协整检验用于分析变量间的长期均衡关系。9.C残差与自变量相关会导致内生性问题。10.BGARCH模型用于建模条件方差。二、填空题1.单位根（或ADF）2.强正3.似然函数4.随机误差项5.显著性6.一7.Beta系数8.趋势9.t10.AR(1)三、判断题1.对调整R²考虑了自变量个数，通常更小。2.对白噪声序列是平稳的。3.对p值小于显著性水平时拒绝原假设。4.错异方差性不影响无偏性，但影响有效性。5.错随机游走是非平稳序列。6.对AR和MA模型在一定条件下可转换。7.错贝叶斯统计依赖先验概率的选择。8.对协整意味着线性组合是平稳的。9.错GARCH模型条件方差也依赖过去方差。10.错蒙特卡洛模拟存在抽样误差。四、简答题1.多元线性回归模型的基本假设包括线性关系、误差项均值为零、同方差性、无自相关、无多重共线性、误差项正态分布。若线性关系不成立，模型拟合差；若误差项均值非零，估计有偏；异方差性使标准误不准确；自相关影响假设检验；多重共线性导致系数估计不稳定；误差非正态影响小样本推断。2.平稳性指时间序列的统计特性（如均值、方差）不随时间变化。平稳性简化建模，保证统计推断有效，非平稳序列可能导致伪回归。例如，ARIMA模型要求序列平稳或差分后平稳。3.频率学派认为参数是固定的，用重复抽样推断；贝叶斯学派将参数视为随机变量，用先验和样本更新后验分布。频率派注重长期频率，贝叶斯派强调主观概率和实时更新。贝叶斯方法更灵活但依赖先验选择。4.GARCH模型描述条件方差随时间变化，通常假设当前方差依赖过去残差平方和过去方差。在金融中，它用于建模波动率聚类（如股票收益率），帮助风险评估、期权定价和VaR计算。五、讨论题1.多重共线性使回归系数方差增大，估计不精确，但预测可能仍准确。检测方法包括方差膨胀因子（VIF）和条件指数。处理方法包括剔除变量、合并变量、使用主成分回归或岭回归。在金融中，需谨慎处理高度相关的宏观经济变量。2.贝叶斯统计优势：融入先验知识，更新灵活，提供完整后验分布。局限性：先验选择主观，计算复杂。在风险管理中，可用于动态更新风险模型，但需注意先验的合理性。3.协整分析揭示资产价格的长期均衡关系，用于