2023年CFA二级《数量方法》考后首发真题及答案

2023年CFA二级《数量方法》考后首发真题及答案

一、单项选择题（10题，每题2分）1.以下哪项不属于时间序列分析中的平稳性检验方法？A.ADF检验B.KPSS检验C.LM检验D.单位根检验2.在假设检验中，当原假设正确但被拒绝时，犯的错误类型是：A.第一类错误B.第二类错误C.第三类错误D.第四类错误3.多元线性回归模型中，若存在异方差，以下哪种方法可用于修正？A.加权最小二乘法B.扩大样本量C.增加解释变量D.替换因变量4.对于面值1000元、息票率5%、剩余期限5年的债券，其修正久期最接近以下哪个值（市场收益率为5%）？A.4.33年B.5.00年C.5.26年D.4.75年5.以下关于多重共线性的说法，错误的是：A.会导致回归系数估计值方差增大B.可能影响假设检验结果C.不影响R²值D.常用VIF值检验严重程度6.GARCH(1,1)模型中，参数α和β的经济含义是：A.α控制残差的影响，β反映长期记忆性B.α控制波动率的冲击，β反映短期波动C.α控制外生变量影响，β反映滞后项D.α控制趋势项，β反映季节性7.蒙特卡洛模拟在风险管理中的主要应用是：A.直接计算期权价格B.模拟资产组合未来收益分布C.检验回归模型显著性D.优化投资组合权重8.以下哪种方法最适合用于小样本下的Bootstrap模拟？A.随机抽样有放回B.随机抽样无放回C.分层抽样D.系统抽样9.若某投资组合的日收益率服从正态分布，其95%置信水平的VaR为-2.3%，含义是：A.未来1天损失超过2.3%的概率为5%B.未来1天收益超过2.3%的概率为95%C.未来1天损失超过2.3%的概率为95%D.未来1天收益超过2.3%的概率为5%10.在F检验中，原假设H0为“所有回归系数均为0”，备择假设H1为“至少一个回归系数不为0”。若F统计量为3.2，临界值为2.8，样本量n=20，解释变量k=3，则结论为：A.接受H0B.拒绝H0C.无法判断D.需结合p值判断二、填空题（10题，每题2分）1.平均绝对偏差（MAD）的计算公式为：MAD=__________。2.多元线性回归模型中，调整后R²（\(\bar{R}^2\)）与R²的关系为：\(\bar{R}^2=1-(1-R^2)\frac{n-1}{n-k-1}\)，其中n为样本量，k为__________。3.自相关系数\(\rho\)的取值范围是__________。4.GARCH(1,1)模型的条件方差公式为：\(\sigma_t^2=\omega+\alpha\epsilon_{t-1}^2+\beta\sigma_{t-1}^2\)，其中\(\alpha+\beta\)需满足__________以保证平稳性。5.固定收益中，修正久期（\(D_{mod}\)）与麦考利久期（\(D_{mac}\)）的关系为：\(D_{mod}=\frac{D_{mac}}{1+y}\)，其中y为__________。6.在假设检验中，若p值__________显著性水平\(\alpha\)，则拒绝原假设。7.弱式有效市场假说对应的检验方法是__________检验。8.夏普比率（Sharperatio）的计算公式为：\(SR=\frac{E(R_p)-R_f}{\sigma_p}\)，其中\(E(R_p)\)为__________。9.Black-Scholes模型中，\(N(d_1)\)表示标准正态分布中__________的概率。10.Bootstrap方法通过__________样本生成大量模拟分布。三、判断题（10题，每题2分）1.时间序列数据必须满足平稳性假设才能进行ARIMA模型拟合。2.异方差会导致回归系数的标准误被低估，从而增大t统计量。3.修正久期仅适用于固定收益证券，不适用于股票。4.多重共线性会导致回归系数的方差膨胀因子（VIF）大于10。5.ARIMA(1,1,1)模型中的“d=1”表示对原序列进行1次差分。6.蒙特卡洛模拟可用于计算美式期权价格。7.相关系数为0.8的两个变量比相关系数为-0.8的两个变量线性关系更强。8.在假设检验中，当p值小于0.05时，必然拒绝原假设。9.历史模拟法计算VaR时，需使用至少1年以上的历史数据。10.固定收益中，凸性总是为正，且随久期增加而增大。四、简答题（4题，每题5分）1.简述多元线性回归分析中异方差和自相关的诊断方法及修正措施。2.解释GARCH(1,1)模型在风险管理中的应用，并说明其参数估计的关键步骤。3.如何利用时间序列模型（如ARIMA）预测股票收益率，并结合风险度量（如VaR）构建投资组合？4.比较蒙特卡洛模拟和Bootstrap方法在衍生品定价中的应用差异。五、讨论题（4题，每题5分）1.讨论在金融时间序列分析中，平稳性与非平稳性的处理策略及其对投资决策的影响。2.分析多元回归模型中多重共线性对模型解释力和预测能力的影响，并提出解决思路。3.结合固定收益久期免疫策略，说明如何通过调整资产组合的久期和凸性实现利率风险对冲。4.阐述在投资组合优化中，使用风险度量（如方差、半方差、VaR）的优缺点及适用场景。六、答案与解析一、单项选择题1.C解析：LM检验用于检验异方差，ADF、KPSS、单位根检验均为平稳性检验方法。2.A解析：第一类错误（\(\alpha\)）：原假设正确但被拒绝；第二类错误（\(\beta\)）：原假设错误但未拒绝。3.A解析：加权最小二乘法（WLS）通过权重调整异方差问题，扩大样本量或增加变量无法修正异方差。4.A解析：修正久期公式为\(D_{mod}=\frac{1}{y}\left(\frac{1-(1+y)^{-n}}{1}\right)\)，代入数据得约4.33年。5.D解析：VIF值大于10通常认为存在严重多重共线性，但VIF>10是结果而非定义。6.A解析：当\(\alpha+\beta<1\)时，GARCH(1,1)模型才平稳，否则条件方差会发散。7.B解析：蒙特卡洛模拟通过随机抽样模拟资产组合收益分布，进而计算风险指标或衍生品价格。8.A解析：Bootstrap通过有放回抽样生成模拟样本，适用于小样本场景。9.A解析：95%置信水平的VaR表示未来1天损失超过该值的概率为5%。10.B解析：F统计量=3.2>临界值2.8，拒绝原假设。二、填空题1.\(\frac{1}{n}\sum_{i=1}^n|x_i-\bar{x}|\)2.解释变量个数（包括常数项时为k+1）3.\([-1,1]\)4.\(\alpha+\beta<1\)5.市场收益率（或无风险利率）6.小于7.自相关性（或游程检验）8.投资组合预期收益率9.\(Z\leqd_1\)（或标准正态变量小于等于\(d_1\)）10.重采样（或有放回抽样）三、判断题1.×解析：非平稳序列可通过差分转化为平稳序列后拟合ARIMA模型。2.√解析：异方差导致残差方差增大，标准误被低估。3.×解析：修正久期可用于股票等证券的久期近似（如分红调整久期）。4.×解析：VIF>10表示严重共线性，但VIF>10是结果而非必要条件。5.√解析：ARIMA(d)中d为差分次数，d=1表示一阶差分。6.√解析：蒙特卡洛模拟可通过模拟标的资产路径计算美式期权价格（需注意提前行权）。7.×解析：相关系数绝对值相同，线性关系强度相同，正负号仅表示方向。8.×解析：p值小于\(\alpha\)时拒绝原假设，但需结合具体问题判断显著性。9.×解析：历史模拟法通常使用1年以上数据（至少1000个观测值），但具体需根据模型复杂度。10.√解析：普通债券凸性为正，零息债券高收益率下可能出现负凸性，但题目表述偏总体规律。四、简答题1.异方差与自相关的诊断及修正异方差诊断：图形观察残差平方与解释变量关系，White检验（辅助回归）；修正：加权最小二乘法（WLS），FGLS。自相关诊断：Durbin-Watson检验，LM检验；修正：Cochrane-Orcutt迭代法，ARIMA模型差分。2.GARCH(1,1)模型应用及参数估计应用：波动率聚类性捕捉（如股票市场暴跌后的波动放大）；参数估计：极大似然法，通过残差平方序列拟合\(\omega,\alpha,\beta\)，需满足\(\alpha+\beta<1\)保证平稳性。3.时间序列预测与投资组合构建用ARIMA模型对收益率建模，预测未来收益；结合历史数据计算VaR，通过风险平价分配资产权重，降低组合VaR，同时控制预期收益。4.蒙特卡洛与Bootstrap定价差异蒙特卡洛：通过随机抽样标的资产路径模拟期权收益；Bootstrap：基于历史数据重采样生成分布，适用于无解析解的衍生品（如信用违约互换）。五、讨论题1.平稳性处理策略平稳性处理：差分（d=1）、对数变换；非平稳序列需先转化（如ARIMA(1,1,0)）。影响：非平稳序列可能存在趋势，导致模型误判（如回归中虚假相关），平稳性处理能提升预测精度。2.多重共线性影响影响：系数估计不稳定（