2022时间序列分析高频考题全解及配套答案

2022时间序列分析高频考题全解及配套答案

一、单项选择题（10题，每题2分）1.在时间序列分析中，一个平稳序列的均值、方差和自协方差应满足什么条件？A.随时间变化B.随时间呈周期性变化C.不随时间变化D.随时间呈线性趋势变化2.自相关函数（ACF）用于描述什么？A.时间序列与其滞后值之间的线性相关性B.时间序列的趋势成分C.时间序列的残差平方和D.时间序列的季节性强度3.偏自相关函数（PACF）在AR(p)模型中的典型特征是？A.拖尾B.在p阶后截尾C.在p阶前截尾D.恒为14.进行ADF检验（AugmentedDickey-Fullertest）时，原假设H0通常设定为？A.序列是平稳的B.序列存在单位根（非平稳）C.序列是白噪声D.序列存在趋势5.对于非平稳时间序列，通常首先采用什么方法使其平稳？A.指数平滑B.差分C.移动平均D.傅里叶变换6.在ARIMA(p,d,q)模型中，参数d代表？A.自回归阶数B.移动平均阶数C.差分阶数D.季节性周期7.识别ARIMA模型阶数(p,d,q)的主要工具是？A.散点图B.直方图C.ACF图和PACF图D.QQ图8.如果一个时间序列的方差随时间变化（如波动聚集现象），最可能适合哪种模型？A.AR模型B.MA模型C.ARMA模型D.ARCH/GARCH模型9.GARCH(1,1)模型中的“1,1”分别代表？A.1阶自回归，1阶移动平均B.1阶条件均值，1阶条件方差C.1阶ARCH项，1阶GARCH项D.1阶差分，1阶季节差分10.在时间序列预测中，用于评估预测精度的常用指标MAE代表？A.均方根误差B.平均绝对误差C.平均绝对百分比误差D.希尔不等系数二、填空题（10题，每题2分）1.时间序列数据的基本构成要素通常包括趋势、季节性、______和随机扰动项。2.如果一个时间序列的均值和自协方差函数不随______改变，则该序列是（弱）平稳的。3.白噪声序列的自相关函数（ACF）在所有非零滞后阶数上理论上应为______。4.在Box-Jenkins方法中，ARIMA模型的建模流程通常分为识别、______、诊断检验和预测四个步骤。5.对时间序列进行一阶差分是为了消除______趋势。6.季节性ARIMA模型通常表示为SARIMA(p,d,q)(P,D,Q)ₛ，其中大写字母P、D、Q分别代表季节性分量的______阶数、______阶数和______阶数，s代表______。7.ARCH模型描述的是______随时间变化的条件异方差现象。8.在GARCH模型中，条件方差是过去______的平方和过去______的函数。9.Ljung-BoxQ检验主要用于检验时间序列模型的残差是否为______。10.指数平滑法中，______平滑适用于具有趋势但无季节性的序列。三、判断题（10题，每题2分）1.所有时间序列都可以通过差分转化为平稳序列。()2.白噪声序列一定是平稳序列。()3.如果时间序列的ACF衰减缓慢，PACF在p阶后截尾，则适合建立AR(p)模型。()4.ARMA模型可以同时包含自回归项和移动平均项。()5.单位根检验（如ADF检验）的p值小于显著性水平（如0.05）时，应拒绝原假设，认为序列平稳。()6.SARIMA模型只能用于月度数据。()7.ARCH效应意味着残差平方存在自相关性。()8.GARCH模型是对条件均值建模。()9.预测区间越宽，表明预测的不确定性越小。()10.霍尔特-温特斯指数平滑法可以处理具有趋势和季节性的时间序列。()四、简答题（4题，每题5分）1.简述时间序列平稳性的定义及其重要性。2.说明ARIMA(p,d,q)模型中p,d,q三个参数的具体含义。3.简述单位根检验（如ADF检验）的基本思想及其在时间序列分析中的作用。4.解释ARCH模型的核心思想及其适用场景。五、讨论题（4题，每题5分）1.比较AR模型和MA模型在结构、ACF/PACF特征以及适用场景上的主要区别。2.讨论在建立ARIMA模型时，如何利用ACF图和PACF图初步判断模型的阶数(p,q)。请结合典型图形特征说明。3.阐述ARCH/GARCH类模型在金融时间序列（如股票收益率）分析中的重要性。它们解决了传统ARMA模型的什么不足？4.时间序列分解通常包含哪些成分？讨论进行季节性调整的意义和方法。答案与解析一、单项选择题1.C2.A3.B4.B5.B6.C7.C8.D9.C10.B二、填空题1.循环波动/周期性2.时间平移/时间点3.04.估计5.线性6.自回归，差分，移动平均，季节周期长度7.条件方差8.扰动项/新息(ARCH项)，条件方差(GARCH项)9.白噪声10.霍尔特(Holt)三、判断题1.×(有些序列如带趋势的随机游走，差分后仍可能非平稳)2.√(白噪声定义要求均值为常数，方差为常数，协方差为0，满足弱平稳)3.√(AR(p)的典型特征)4.√(ARMA即自回归移动平均)5.√(ADF原假设H0:存在单位根/非平稳；拒绝H0则支持平稳)6.×(SARIMA可用于任何具有固定周期s的季节性数据，如季度、周度等)7.√(ARCH效应即残差平方存在自相关)8.×(GARCH模型是对条件方差建模)9.×(预测区间越宽，表明不确定性越大)10.√(霍尔特-温特斯法包含水平、趋势和季节性三个平滑方程)四、简答题答案1.平稳性定义与重要性：时间序列的平稳性指其统计特性（主要是均值、方差和自协方差结构）不随时间推移而改变。严格平稳要求所有有限维联合概率分布不变，弱平稳（宽平稳）要求均值恒定、方差恒定且任意两期间的自协方差仅依赖于时间间隔。重要性在于：平稳性是许多经典时间序列模型（如ARMA）建模的前提和理论基础；平稳序列的统计推断更可靠，预测更可行；非平稳序列需先处理（如差分）使其平稳才能应用这些方法。2.ARIMA(p,d,q)参数含义：`p`代表自回归（AR）部分的阶数，表示当前值受其前p期值线性影响的程度。`d`代表差分的阶数，表示对原始序列进行d次差分以达到平稳性。`q`代表移动平均（MA）部分的阶数，表示当前值受其前q期随机扰动（误差项）线性影响的程度。ARIMA模型本质是对差分后的平稳序列建立ARMA(p,q)模型。3.单位根检验思想与作用：单位根检验（如ADF检验）的基本思想是检验时间序列是否包含单位根（即特征方程的根在单位圆上）。若存在单位根，则序列是非平稳的（如随机游走）。ADF检验通过建立包含滞后差分项的回归模型，检验序列滞后一阶项的系数是否显著小于0（即拒绝存在单位根的原假设）。其核心作用是判断序列的平稳性，是进行差分操作和选择合适模型（ARIMAvsARMA）的关键依据。4.ARCH模型核心思想与适用场景：ARCH模型（自回归条件异方差）的核心思想是：时间序列当前时刻的条件方差（波动率）是其过去若干期扰动项（新息）平方的线性函数。即波动率具有“聚集性”和“持续性”。适用场景：主要用于对金融时间序列（如股票收益率、汇率变动）建模，这些序列常表现出波动聚集（大波动后紧跟大波动，小波动后紧跟小波动）和尖峰厚尾特征，其方差（风险）随时间变化且具有自相关性，传统同方差假设的ARMA模型无法刻画这一特性。五、讨论题答案1.ARvsMA模型区别：结构：AR(p)模型：当前值是过去p期自身值的线性组合加上当前随机扰动。MA(q)模型：当前值是当前随机扰动及其过去q期扰动的线性组合。ACF特征：AR(p)模型的ACF呈拖尾（指数衰减或震荡衰减）。MA(q)模型的ACF在q阶后截尾（q阶后理论值为0）。PACF特征：AR(p)模型的PACF在p阶后截尾。MA(q)模型的PACF呈拖尾。适用场景：AR模型擅长捕捉序列自身的记忆性和持续性。MA模型擅长捕捉序列对短期冲击（扰动）的反应。实际中常结合为ARMA模型。2.利用ACF/PACF图定阶：ACF拖尾+PACF在p阶后截尾：提示AR(p)模型。PACF截尾的滞后阶数即为p的候选值。ACF在q阶后截尾+PACF拖尾：提示MA(q)模型。ACF截尾的滞后阶数即为q的候选值。ACF拖尾+PACF拖尾：提示ARMA(p,q)模型，p和q均大于0。此时需结合信息准则（如AIC,BIC）或尝试不同p,q组合进行选择。ACF缓慢衰减（线性或周期性）：提示可能非平稳，需差分。差分后重新考察ACF/PACF。季节性ACF/PACF峰值：在季节周期s的倍数处出现显著峰值，提示需要季节性差分或SARIMA模型。3.ARCH/GARCH在金融中的重要性及解决不足：重要性：金融时间序列（如收益率）普遍存在波动聚集性、尖峰厚尾分布、杠杆效应（负冲击影响更大）等现象。准确度量时变波动率（风险）对风险管理（如VaR计算）、资产定价、期权定价至关重要。解决传统ARMA不足：传统ARMA模型假设扰动项是同方差的（方差恒定）。但金融数据波动率明显随时间变化且具有持续性（ARCH效应）。ARMA模型无法刻画这种条件异方差性，导致对波动率（风险）的估计不准确，预测区间失效。ARCH/GARCH模型直接对条件方差建模，成功捕捉了波动的时变性和聚集性，显著提高了对金融风险度量和预测的能力。4.时间序列分解成分、季节性调整意义与方法：成分：经典分解通常包含：趋势(Trend,T)：长期变化方向；季节性(Seasonality,S)：固定周期（年、季、月等）内的重复波动；循环波动(Cycle,C)：非固定周期的较长波动（如经济周期）；不规则波动/残差(Irregular/Residual,I)：无法由前三种成分解释的随机波动。加法模型：Yₜ=Tₜ+Sₜ+Cₜ+Iₜ；乘法模型：Yₜ=Tₜ×Sₜ×Cₜ×Iₜ。季节性调整意义：消除季节性因素影响，揭示序列潜在的趋势和循环波动，便于进行跨期比较（如比较不同月份的实际经济表现），提高对经济基本面和趋势判断的准确性，为政策制定提供更清晰依据。方法：