《计算金融与Python实践》练习题及答案

模块一：金融市场投资理论基础（对应方案中教学内容第1部分）简答题简述证券市场的功能以及一级市场和二级市场的区别与联系。参考答案：证券市场是股票、债券等有价证券发行和交易的场所，具有筹资、投资、资本定价和资源配置等功能。一级市场是发行市场，是证券从发行人手中转移到初始投资者手中的过程；二级市场是流通市场，是投资者之间进行证券买卖的场所。一级市场是二级市场的基础，二级市场为一级市场发行的证券提供了流动性，是证券发行成功的重要保障。解释投资组合理论中的“有效前沿”概念。参考答案：有效前沿是指在给定风险水平下，能够提供最高预期收益的投资组合集合；或者是在给定预期收益水平下，风险最低的投资组合集合。它由一系列最优投资组合构成，位于投资可行集的左上方边界，是风险厌恶投资者的最优选择范围。什么是资本资产定价模型（CAPM）中的贝塔系数（β）？它如何衡量风险？参考答案：贝塔系数（β）是衡量单个资产或投资组合相对于整个市场（市场组合）的系统性风险的指标。它反映了资产收益对市场收益变动的敏感程度。β=1，资产风险与市场一致；β>1，资产风险大于市场；β<1，资产风险小于市场。在CAPM中，只有系统风险（β风险）才能获得风险溢价。有效市场假说（EMH）的三个层次是什么？参考答案：弱式有效市场假说认为证券价格已充分反映了历史交易信息（如价格、成交量），技术分析无效。半强式有效市场假说认为证券价格已充分反映了所有公开信息（如公司财报、新闻），基本面分析无效。强式有效市场假说认为证券价格已充分反映了所有信息（包括内幕信息），任何投资者都无法获得超额收益。行为金融理论从哪几个方面对有效市场假说提出了质疑？参考答案：1.投资者非完全理性，存在认知偏差（如过度自信、损失厌恶）。2.投资者的非理性行为并非随机，而是具有系统性，如羊群效应。3.套利存在限制，由于噪声交易者风险、交易成本等因素，理性套利者可能无法纠正价格偏差。简述布莱克-斯科尔斯期权定价模型（BSM）的五个关键输入变量。参考答案：BSM模型用于欧式期权定价，其关键输入变量包括：1.标的资产的当前价格（S）；2.期权的行权价格（X）；3.距离期权到期日的时间（T）；4.无风险利率（r）；5.标的资产收益率的波动率（σ）。其中，波动率是最关键且最不确定的变量。解释风险价值（VaR）的含义，并说明计算VaR常用的三种方法。参考答案：VaR是指在一定的持有期和给定的置信水平下，某一金融资产或投资组合可能遭受到的最大潜在损失。常用的计算方法有：1.参数法（正态分布法），假设收益率服从正态分布；2.历史模拟法，基于历史收益数据的分位数进行估计；3.蒙特卡洛模拟法，通过模拟大量未来价格路径来构建收益分布。什么是市场风险中的系统风险和非系统风险？参考答案：系统风险是由宏观经济因素（如利率、通货膨胀、战争）引起的、影响整个市场所有资产的风险，无法通过分散投资消除。非系统风险是由特定公司或行业特有因素（如诉讼、新产品失败）引起的风险，可以通过构建多样化的投资组合来分散或消除。简述资本资产定价模型（CAPM）中证券市场线（SML）和资本市场线（CML）的主要区别。参考答案：CML（资本市场线）描述的是有效投资组合（由无风险资产和市场组合构成）的期望收益与总风险（标准差）之间的关系。SML（证券市场线）描述的是所有资产（包括单个资产和无效组合）的期望收益与系统风险（β系数）之间的关系。CML仅适用于有效组合，而SML适用于所有资产。什么是行为金融学中的“期望理论”？其价值函数有何特点？参考答案：期望理论由卡尼曼和特沃斯基提出，用于描述人们在不确定性下的决策行为，认为人们对损失和收益的感知是不同的。其价值函数的特点是：1.定义在相对于某个参照点的偏离上；2.在收益区域是凹函数（风险规避），在损失区域是凸函数（风险偏好）；3.损失区域曲线比收益区域曲线更陡峭，即损失带来的痛苦大于同等收益带来的快乐（损失厌恶）。模块二：Python编程与数据处理基础（对应方案中教学内容第2部分）编程实践题题目：定义一个函数

is_prime(n)，判断一个整数

n

是否为质数（素数），如果是返回

True，否则返回

False。并在主程序中调用该函数，打印出1到100之间的所有质数。参考思路：使用循环和分支结构，判断从2到sqrt(n)是否有能整除n的数。题目：给定一个列表

lst=[1,2,3,4,5,6,7,8,9]，请使用列表推导式实现以下操作：

a)生成一个包含原列表所有元素平方的新列表。

b)生成一个只包含原列表偶数的平方的新列表。参考代码：pythonlst=[1,2,3,4,5,6,7,8,9]squares=[x**2forxinlst]even_squares=[x**2forxinlstifx%2==0]print(squares)print(even_squares)题目：创建一个形状为(3,4)的NumPy数组，元素为从0到11的整数。然后：

a)提取第二行。

b)提取第三列。

c)提取所有大于5的元素。

d)将数组的形状改为(2,6)。参考代码：pythonimportnumpyasnparr=np.arange(12).reshape(3,4)print(arr[1,:])#a)print(arr[:,2])#b)print(arr[arr>5])#c)arr=arr.reshape(2,6)#d)print(arr)题目：创建一个形状为(3,4)的随机整数数组A（范围0-9）和一个形状为(3,1)的数组B（范围0-4）。请演示NumPy的广播机制，计算A与B的和，并解释广播是如何发生的。参考代码：pythonimportnumpyasnpA=np.random.randint(0,10,size=(3,4))B=np.random.randint(0,5,size=(3,1))C=A+Bprint("A:\n",A)print("B:\n",B)print("A+B:\n",C)解释：B的形状是(3,1)，A的形状是(3,4)。NumPy将B在第二个维度（列）上复制4次，使其形状变为(3,4)，然后进行逐元素相加。题目：使用Pandas读取一个CSV文件（例如，下载的股票数据），并完成以下数据清洗工作：

a)检查数据是否有缺失值，并用合适的方法（如均值填充或向前填充）处理。

b)检查数据是否有重复行，并进行删除。

c)将某一列（如“日期”）转换为时间戳类型，并设置为索引。参考思路：使用df.isnull().sum()检查缺失值；用df.fillna(method='ffill')或df.fillna(df.mean())填充；用df.drop_duplicates()删除重复行；用pd.to_datetime()转换日期列，并用df.set_index()设置索引。题目：利用Pandas对某只股票的历史数据（包含开盘、收盘、最高、最低价）进行如下分析：

a)计算每日收益率。

b)计算20日均线（收盘价的20日移动平均）。

c)找出所有成交量超过当日5日均量（成交量5日移动平均）的日期。参考思路：使用df['close'].pct_change()计算收益率；使用df['close'].rolling(window=20).mean()计算均线；使用df['volume'].rolling(5).mean()计算5日均量，然后用布尔索引df[df['volume']>ma_5_volume]筛选。题目：创建一个包含学生信息（姓名、数学成绩、英语成绩）的DataFrame。请使用groupby和agg方法，按学生姓名分组，计算每个学生的总分和平均分。参考代码：pythonimportpandasaspddata={'姓名':['张三','李四','张三','李四'],'科目':['数学','数学','英语','英语'],'成绩':[90,85,88,92]}df=pd.DataFrame(data)#透视后分组pivot_df=df.pivot(index='姓名',columns='科目',values='成绩')pivot_df['总分']=pivot_df.sum(axis=1)pivot_df['平均分']=pivot_df[['数学','英语']].mean(axis=1)print(pivot_df)题目：使用Matplotlib绘制一张图表，显示某只股票在过去一段时间内（如2023年）的收盘价走势（折线图）和成交量（柱状图），并添加图表标题、坐标轴标签和图例。成交量需绘制在同一个x轴但不同的y轴刻度上。参考思路：使用plt.subplots()创建一个图形和一个轴对象。使用ax1.plot()绘制收盘价折线图，使用ax1.set_ylabel()设置左侧标签。使用ax2=ax1.twinx()创建共享x轴的右侧轴，用ax2.bar()绘制成交量柱状图，并设置右侧标签和颜色。题目：生成一组符合正态分布的随机数据（例如，均值=100，标准差=15，样本量=1000）。使用Matplotlib绘制该数据的直方图，并叠加其理论概率密度曲线（PDF）。同时，添加标题和网格。参考思路：使用np.random.normal()生成数据。使用plt.hist()绘制直方图，参数density=True使面积和为1。使用scipy.stats.norm获取均值和标准差，计算pdf值，并用plt.plot()绘制曲线。题目：简述NumPy中

reshape()

和

resize()

方法的主要区别。参考答案：reshape()

方法在不改变数组原始数据的情况下返回一个新的视图（如果可能）或副本，要求新形状的元素总数必须与原数组相同。resize()

方法可以直接修改原数组的形状，如果新形状的元素总数大于原数组，则会重复原数组的元素来填充；如果小于，则会截断原数组。模块三：金融数据分析与机器学习（对应方案中教学内容第3部分）简答题/编程实践题简答题：在进行机器学习建模之前，为什么通常需要对特征数据进行标准化（Standardization）或归一化（Normalization）？请举例说明哪些算法对特征尺度敏感。参考答案：很多机器学习算法的性能依赖于特征的尺度，例如，基于距离的算法（KNN、SVM、K-Means）和基于梯度的算法（线性回归、逻辑回归、神经网络）。如果特征尺度差异很大，尺度大的特征会主导距离计算或模型训练，导致模型性能下降或训练不稳定。标准化和归一化可以消除量纲影响，使所有特征处于同一数量级，从而提升模型性能和收敛速度。编程实践题：使用Scikit-learn的make_classification函数生成一个包含1000个样本、20个特征、2个类别的分类数据集。将数据集划分为训练集和测试集（比例70/30），然后使用逻辑回归模型进行训练，并输出模型在测试集上的准确率。参考代码：pythonfromsklearn.datasetsimportmake_classificationfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportaccuracy_scoreX,y=make_classification(n_samples=1000,n_features=20,n_classes=2,random_state=42)X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=42)model=LogisticRegression()model.fit(X_train,y_train)y_pred=model.predict(X_test)print(f"Accuracy:{accuracy_score(y_test,y_pred):.4f}")简答题：解释什么是“过拟合”（Overfitting）？列举至少三种防止过拟合的常见方法。参考答案：过拟合是指模型在训练数据上表现极好，但在未见过的测试数据上表现很差的现象，即模型学习到了训练数据中的噪声和个别特征，而未能学到普遍规律。防止过拟合的方法包括：1.增加训练数据量；2.简化模型（如减少特征、降低树深度、减少神经网络层数）；3.使用正则化技术（L1、L2正则化）；4.集成学习（如Bagging、随机森林）；5.早停法。编程实践题：加载Scikit-learn自带的Iris数据集。使用StandardScaler对特征进行标准化，然后使用PCA（主成分分析）将特征降维到2个主成分。最后，使用Matplotlib绘制降维后数据的散点图，并根据目标变量（鸢尾花类别）使用不同颜色标记。参考代码：pythonfromsklearn.datasetsimportload_irisfromsklearn.preprocessingimportStandardScalerfromsklearn.decompositionimportPCAimportmatplotlib.pyplotaspltiris=load_iris()X,y=iris.data,iris.targetX_scaled=StandardScaler().fit_transform(X)X_pca=PCA(n_components=2).fit_transform(X_scaled)plt.scatter(X_pca[:,0],X_pca[:,1],c=y,cmap='viridis',edgecolor='k')plt.xlabel('PC1')plt.ylabel('PC2')plt.title('PCAofIrisDataset')plt.show()简答题：解释混淆矩阵（ConfusionMatrix）中的TP、TN、FP、FN分别代表什么？并基于此解释精确率（Precision）和召回率（Recall）的计算公式。参考答案：TP（真正例）：预测为正，实际为正；TN（真负例）：预测为负，实际为负；FP（假正例）：预测为正，实际为负；FN（假负例）：预测为负，实际为正。精确率=TP/(TP+FP)，衡量预测为正的样本中实际为正的比例。召回率=TP/(TP+FN)，衡量实际为正的样本中被正确预测的比例。编程实践题：使用Scikit-learn的波士顿房价数据集（load_boston()，已弃用，可用fetch_california_housing()替代），分别使用线性回归和岭回归（Ridge）进行房价预测。通过5折交叉验证比较两种模型的均方误差（MSE），并得出结论。参考思路：导入数据，划分训练集和测试集。分别创建LinearRegression和Ridge模型。使用cross_val_score，scoring='neg_mean_squared_error'进行交叉验证，取平均值的绝对值进行比较。简答题：什么是集成学习？请简要介绍Bagging和Boosting两种集成学习范式的核心思想。参考答案：集成学习通过构建并结合多个学习器来完成学习任务，通常能获得比单一学习器更显著的泛化性能。Bagging（如随机森林）的核心思想是并行训练多个独立的基学习器，然后通过投票（分类）或平均（回归）来组合结果，旨在降低方差。Boosting（如AdaBoost、梯度提升）的核心思想是串行训练基学习器，每个新的学习器都重点关注前一个学习器分类错误的样本，旨在降低偏差。编程实践题：在上一题（第6题）的基础上，使用GridSearchCV对岭回归的alpha参数进行网格搜索，寻找最优的alpha值。并输出最佳参数和最佳模型在测试集上的R²分数。参考思路：定义一个参数网格param_grid={'alpha':[0.1,1.0,10.0,100.0]}。创建一个GridSearchCV对象，传入Ridge模型、参数网格、交叉验证次数（cv=5）和评分指标（scoring='r2'）。fit训练后，使用best_params_和best_score_获取最佳参数和分数。最后用最佳模型预测测试集并计算R²。简答题：决策树模型容易过拟合，简述至少两种剪枝（Pruning）策略。参考答案：剪枝是防止决策树过拟合的常用方法。主要策略有：1.

预剪枝：在决策树生长过程中，提前停止树的生长。例如，设定树的最大深度（max_depth）、内部节点再划分所需的最小样本数（min_samples_split）或叶子节点的最小样本数（min_samples_leaf）。2.

后剪枝：先生成一颗完整的树，然后自底向上对非叶子节点进行考察，若将该节点对应的子树替换为叶节点能带来泛化性能的提升（如在验证集上表现更好），则进行剪枝。编程实践题：对“模块一”中关于VaR计算的理论，请编写Python代码实现参数法VaR的计算。输入参数为：投资组合初始价值（W0）、预期收益率（mu）、收益率波动率（sigma）、置信水平（alpha，如0.95）。函数返回VaR值。参考代码：pythonimportscipy.statsasstdefparametric_var(W0,mu,sigma,alpha=0.95):"""计算参数法VaR:paramW0:初始投资额:parammu:预期收益率:paramsigma:预期波动率:paramalpha:置信水平:return:VaR值（正数）"""#计算标准正态分布的分位数z=st.norm.ppf(1-alpha)#计算VaRVaR=W0*(sigma*z-mu)returnVaR#示例W0=1000000mu=0.1sigma=0.2alpha=0.95var_95=parametric_var(W0,mu,sigma,alpha)print(f"95%置信水平下的VaR为:{var_95:.2f}")模块四：综合案例实战（对应方案中教学内容第4部分）编程实践题题目：使用TusharePro（需要注册获取token）获取贵州茅台（股票代码：600519）从2023年1月1日到2023年12月31日的日线数据。将数据保存为CSV文件，并实现一个函数，能够从该CSV文件读取数据，并计算该股票在此期间的累计收益率，并以图表形式展示收盘价走势和累计收益率走势。参考思路：使用_bar获取数据。使用df.to_csv()保存。读取后，计算累计收益率：df['cum_return']=(1+df['pct_chg']/100).cumprod()。使用Matplotlib双y轴绘制收盘价和累计收益率。题目：选取5只不同行业的股票（例如，银行、消费、科技、医药、能源），下载其过去三年的日收盘价数据。使用Python实现马科维茨投资组合理论中的有效前沿计算。要求：

a)计算每只股票的年化收益率和年化波动率。

b)计算收益率的协方差矩阵。

c)模拟生成至少5000个随机权重组合（允许卖空），计算每个组合的年化收益率、年化波动率和夏普比率。

d)绘制出所有模拟组合的散点图（波动率为x轴，收益率为y轴，颜色表示夏普比率），并标注出最大夏普比率组合的位置。参考思路：使用pandas处理数据，计算对数收益率。使用numpy生成随机权重并归一化。使用np.dot计算组合收益和风险。使用matplotlib.scatter绘图。题目：基于上一题选定的5只股票数据，实现一个投资组合优化器。该优化器能够根据用户输入的目标年化收益率（如15%），在不允许卖空的条件下，通过二次规划求解最小化投资组合的风险（标准差），并返回最优的投资权重和该组合的风险。参考思路：使用scipy.optimize.minimize函数。目标函数是组合标准差。约束条件包括：1.权重之和为1（eq）；2.组合收益率等于目标值（eq）；3.所有权重大于等于0（通过bounds参数设置）。方法选择'SLSQP'。题目：编写一个Python类，名为EuropeanOptionPricer。该类初始化时需要传入标的资产当前价格S、行权价K、无风险利率r、到期时间T。类中包含以下方法：

a)

bsm_price(sigma,option_type)：使用BSM公式计算看涨（'call'）或看跌（'put'）期权价格。

b)

binomial_price(sigma,N,option_type)：使用二叉树模型计算期权价格，其中N是二叉树的步数。

c)

monte_carlo_price(sigma,num_simulations,option_type)：使用蒙特卡洛模拟计算期权价格。参考思路：BSM实现参考教材公式。二叉树实现参考教材代码，需要构建价格树和期权价值树。蒙特卡洛模拟需要生成大量随机路径，计算到期收益并贴现平均。题目：使用历史模拟法计算某股票投资组合（权重自定义）的1日VaR（置信水平95%）。要求：

a)获取组合中所有股票过去一年的日收益率数据。

b)计算组合的日收益率序列。

c)从该收益率序列中找出第5个百分位数，即为VaR值。参考思路：获取数据后，使用np.dot(returns,weights)计算每日组合收益。使用np.percentile(portfolio_returns,5)获取VaR值（通常表示为损失，所以值为负，取绝对值）。题目：改进“模块三”中的KNN股价涨跌预测模型。加入成交量、换手率等新特征，并使用标准化后的马氏距离替代欧氏距离来衡量样本相似度，观察预测准确率是否有变化。参考思路：从Tushare获取除收盘价外的成交量、换手率数据。构建特征矩阵X，包括过去N天的收盘价涨跌幅、成交量涨跌幅等。计算马氏距离需要使用协方差矩阵的逆矩阵（np.linalg.inv(np.cov(X.T))）。KNN分类逻辑不变。题目：对某只股票的收盘价序列进行时间序列分析。使用statsmodels库完成以下任务：

a)对收盘价序列进行ADF检验，判断其平稳性。

b)如果非平稳，进行一阶差分，并再次检验。

c)对差分后的序列，绘制自相关图（ACF）和偏自相关图（PACF），并根据图形判断ARIMA模型的p、q阶数。参考代码：fromstatsmodels.tsa.stattoolsimportadfuller；fromstatsmodels.graphics.tsaplotsimportplot_acf,plot_pacf。题目：在上一题基础上，使用pmdarima库的auto_arima函数自动为某只股票的一阶差分序列选择最优的(p,d,q)参数。然后，将数据划分为训练集和测试集（例如，前80%作为训练），用训练集拟合ARIMA模型，并对测试集进行滚动预测（每次预测未来一天，并将真实值加入训练集），最后计算预测值与真实值的均方根误差（RMSE）。参考思路：frompmdarimaimportauto_arima。使用model=auto_arima(train_data)自动寻找参数。滚动预测时，在循环中不断model.update(y_new)或重新fit。题目：使用yfinance库（pipinstallyfinance）下载比特币（BTC-USD）和以太坊（ETH-USD）近一年的日收盘价数据。使用scikit-learn构建一个线性回归模型，试图用比特币的过去N天收益率预测以太坊的当日收益率。通过调整N的值和交叉验证，找到最佳的历史窗口期。参考思路：importyfinanceasyf。获取数据后，计算两者收益率。构建特征矩阵X，其中每一行是比特币过去N天的收益率序列。目标变量y是对应当日的以太坊收益率。使用TimeSeriesSplit进行交叉验证，评估不同N值下的模型性能（如R²或MSE）。题目：综合实践项目：假设你是某资产管理公司的量化研究员，请完成以下任务：

a)

选股：从沪深300指数成分股中，根据某种基本面指标（如ROE、市盈率）或技术指标（如动量）筛选出5-10只股票。

b)

优化：基于这些股票的历史数据，构建一个使得夏普比率最大化的最优风险投资组合。

c)

风控：计算该最优组合的1日VaR（置信水平99%）。

d)

分析：撰写一份简短的报告，说明你的选股逻辑、优化结果和风险度量，并对结果进行解读。参考思路：这是一个开放式的综合任务，旨在考察学生运用所学知识解决实际问题的能力。学生需要自主完成数据获取、筛选、模型构建、优化求解和报告撰写的全过程。评分重点在于方法的合理性、代码的正确性、分析逻辑的清晰度以及报告的完整性。第一章证券市场基础练习题一、选择题（每题只有一个正确答案）以下关于证券的说法，正确的是（）。

A.证券代表的是持有人与发行人之间的借贷关系

B.证券只采取纸面形式

C.证券是各类记载并代表一定权利的法律凭证

D.证券的收益性是其最主要的特征，但风险性可以忽略答案：C以下哪类证券属于债权类证券？

A.普通股

B.优先股

C.公司债券

D.股指期货答案：C在计算价格加权指数时，以下哪种情况需要调整除数（divisor）？

A.样本股中的一只股票价格发生正常波动

B.样本股中的一只股票进行拆股（分拆）

C.市场整体交易量大幅下降

D.样本股中的一只股票成交量变大答案：B关于市值加权指数的表述，正确的是（）。

A.指数只反映样本股票价格的变化，不考虑股本

B.上证A股指数采用流通市值加权

C.沪深300指数采用总市值加权

D.指数的变化可以反映样本股总市值的变化答案：D在证券市场中，承担资金需求者角色的是（）。

A.个人投资者

B.证券发行人

C.证券经纪商

D.养老基金答案：B以下哪项不属于证券市场的中介机构？

A.证券交易所

B.证券承销商

C.证券业协会

D.具有证券从业资格的会计师事务所答案：C

(证券业协会属于自律性组织)将一只股票的发行份额固定，投资者之间在二级市场进行交易，这描述的是（）。

A.一级市场

B.二级市场

C.三级市场

D.四级市场答案：B美国道琼斯30种工业平均指数属于（）。

A.市值加权指数

B.价格加权指数

C.无权重指数（几何平均）

D.无权重指数（算术平均）答案：B以下关于证券特征的描述，错误的是（）。

A.股票通常被视为无期证券

B.证券的流动性越高，其变现成本通常越低

C.证券的收益性与其风险性通常呈反比

D.债券一般有明确的还本付息期限答案：C

(风险与收益通常呈正比)我国对全国证券市场进行统一监管的机构是（）。

A.中国人民银行

B.中国证券业协会

C.证券交易所

D.中国证券监督管理委员会答案：D二、判断题（正确打“√”，错误打“×”）有价证券代表了一定量的财产权利，可以在证券市场上进行买卖和流通。（√）按发行主体划分，公司证券仅指股份有限公司发行的股票。（×）解析：公司证券包括公司发行的股票、公司债券及商业票据等。优先股股东在公司剩余资产的分配权上要优先于普通股股东，但排在债权人之后。（√）一级市场为投资者提供了必要的流动性，是证券发行市场。（×）解析：提供流动性的是二级市场（流通市场）。一级市场是发行市场。在价格加权指数中，高价股票比低价股票对指数的影响更大。（√）中央银行发行的债券，其收益率通常被视为“无风险利率”。（×）解析：中央政府债券（如国债）通常被视为无风险证券，其收益率被称为无风险利率。B股是境内公司发行的，以人民币标明面值，供境外投资者用外币认购，在境内上市的股票。（√）证券市场指数可以作为度量投资组合收益率的基准。（√）我国的证券登记结算机构实行的是行业自律管理。（√）在无权重指数中，所有样本证券的权重都与其价格成反比。（×）解析：在无权重指数中，所有样本证券的权重都是相同的，与价格或市值无关。三、简答题简述证券的基本特征有哪些？参考答案：证券的基本特征包括：（1）收益性，持有证券可以获得收益；（2）流动性，证券可以自由转让和买卖，变现能力强；（3）风险性，实际收益与预期收益可能存在背离，具有不确定性；（4）期限性，债券一般有明确的还本付息期限，股票则没有期限。请阐述一级市场与二级市场的区别与联系。参考答案：区别：一级市场是发行市场，是证券从发行人手中转移到初始投资者手中的过程，主要功能是筹集资金；二级市场是流通市场，是投资者之间进行证券买卖的场所，主要功能是提供流动性和价格发现。联系：一级市场是二级市场存在的基础，没有一级市场的发行，就没有二级市场的交易对象；二级市场为一级市场发行的证券提供了流动性，是证券发行成功的重要保障，其交易价格和活跃度反过来也会影响一级市场的发行。证券市场指数的编制中，常用的权重确定方法有哪些？并分别简要说明其特点。参考答案：主要有三种方法：价格加权：以证券价格高低作为权重。特点：高价股票对指数的影响更大。道琼斯工业平均指数是典型代表。市值加权：以证券市值高低作为权重。特点：反映的是相对基期总市值的变动，大型公司对指数的影响更大。大多数市场指数（如沪深300）采用此方法。无权重：所有样本证券的权重相同，计算时可采用算术平均或几何平均。特点：每个样本股的变化对指数的影响是均等的。简述证券市场的参与者主要有哪些？参考答案：证券市场的参与者主要包括：（1）证券发行人，即资金需求者，如公司、政府和政府机构；（2）证券投资者，即资金供给者，包括个人投资者、企业、各类金融机构、社会基金和外国投资者；（3）中介机构，如证券公司、证券交易所、律师事务所、会计师事务所等；（4）自律性组织，如证券业协会、证券交易所；（5）监管机构，如中国证券监督管理委员会。请解释“上市证券”和“非上市证券”的区别。参考答案：上市证券是指经批准允许在证券交易所内公开买卖的证券，如在上海证券交易所上市交易的股票。非上市证券则是不允许在证券交易所内交易，但可以在其他证券交易市场（如柜台市场）发行和交易的证券，如凭证式国债、非上市公众公司的股票等。如何理解证券的“风险性”和“收益性”之间的关系？参考答案：证券的“风险性”和“收益性”通常呈正相关关系。一般来说，风险越大，投资者要求获得的预期收益也越大，以补偿其承担的额外风险；反之，风险越小，预期收益也越小。这是金融市场的基本规律，也是资产定价的核心逻辑。简述我国多层次资本市场体系的主要构成。参考答案：我国已形成涵盖沪深主板、科创板、创业板、北京证券交易所、新三板、区域性股权市场、私募股权基金在内的多层次股权市场，以及债券市场和期货衍生品市场。各板块特色突出，各有侧重、相互补充，错位发展，服务于不同发展阶段和类型的企业的融资需求。请简要说明市场指数的功能。参考答案：市场指数的主要功能包括：（1）反映证券市场价格总体的运动趋势；（2）作为度量投资组合收益率的基准，用于评价投资组合的表现；（3）作为指数基金和股指衍生证券的标的物；（4）用于检验市场因素对证券或证券组合收益的影响；（5）用于衡量证券或证券组合所具有的系统风险（Beta值）。证券业从业人员应遵循哪些基本的职业道德规范？参考答案：根据《证券从业人员职业道德准则》，基本规范包括：敬畏法律，遵纪守规；诚实守信，勤勉尽责；守正笃实，严谨专业；审慎稳健，严控风险；公正清明，廉洁自律；持续精进，追求卓越；爱岗敬业，忠于职守；尊重包容，共同发展；关爱社会，益国利民。假设你是一位基金经理，希望通过构建资产组合来模拟某个价格加权指数的变化，你应该如何构建你的资产组合？参考答案：要模拟价格加权指数，需要按照指数中每只股票价格的权重来配置资产。具体操作是，对于指数中的每一只样本股，购买相同数量的股份。因为价格加权指数的计算公式是各样本股价格之和除以除数，所以通过持有相同数量的每一只股票，你的投资组合的净值变化就会与指数变化同步。第二章投资组合理论及其发展练习题一、选择题（每题只有一个正确答案）投资组合理论中，投资者衡量投资风险的主要指标是（）。

A.期望收益率

B.收益率的方差或标准差

C.贝塔系数

D.夏普比率答案：B根据投资组合理论的基本假设，投资者是（）。

A.风险偏好型

B.风险中性型

C.风险规避型

D.风险态度不确定答案：C对于一个由两种资产构成的投资组合，其收益率的方差取决于（）。

A.两种资产的权重和各自的方差

B.两种资产之间的协方差

C.两种资产的权重、各自的方差以及协方差

D.两种资产的期望收益率答案：C在资产组合的投资可行集中，有效前沿是指（）。

A.所有可能的资产组合的集合

B.风险最小组合右上方的投资组合集合

C.风险最小组合左下方的投资组合集合

D.夏普比率最大的投资组合答案：B资本市场线（CML）描述的是（）。

A.有效投资组合的期望收益与总风险（标准差）之间的关系

B.所有资产的期望收益与系统风险（β）之间的关系

C.单个证券的期望收益与其方差之间的关系

D.市场组合的风险溢价答案：A在资本资产定价模型（CAPM）中，证券市场线（SML）的横坐标是（）。

A.标准差

B.方差

C.贝塔系数（β）

D.协方差答案：C当某只股票的贝塔系数（β）为1.5时，下列说法正确的是（）。

A.该股票的风险小于市场风险

B.该股票的风险等于市场风险

C.该股票的风险大于市场风险

D.该股票没有系统风险答案：C关于夏普比率（SharpeRatio）的说法，正确的是（）。

A.夏普比率衡量的是资产的单位总风险溢价

B.夏普比率衡量的是资产的单位系统风险溢价

C.夏普比率越高，资产组合的效用越低

D.夏普比率与无风险利率无关答案：A根据CAPM模型，如果某资产的期望收益率低于证券市场线（SML）上的理论要求回报率，则该资产（）。

A.价格被高估

B.价格被低估

C.价格合理

D.无法判断答案：A

(期望收益率被低估，意味着当前价格被高估)一个完整的投资组合优化步骤中，最后一步通常是（）。

A.确定所有可选证券的收益率特征

B.基于夏普比率最大化原则计算最优风险投资组合

C.确定投资者的效用函数

D.基于效用函数确定无风险资产和风险投资组合的投资比例答案：D二、判断题（正确打“√”，错误打“×”）投资组合理论假设证券市场是有效的，即所有投资者都能获得相同的信息。（√）投资组合的期望收益是组合中各资产期望收益的简单加权平均，而组合的方差也是各资产方差的简单加权平均。（×）解析：组合的方差不是简单加权平均，还取决于资产间的协方差。投资组合的有效前沿上的任意一点，在相同风险水平下，都比有效前沿内部的点具有更高的期望收益。（√）无风险资产的加入，使得投资者可以构造出资本配置线（CAL），其斜率即为夏普比率。（√）资本市场线（CML）上的资产组合一定是有效组合，但有效组合不一定都在CML上。（×）解析：有效组合都在CML上，CML就是由无风险资产和市场组合构成的最优资本配置线。资本资产定价模型（CAPM）认为，在资产组合中，只有非系统风险才能够获得风险溢价。（×）解析：CAPM认为只有系统风险才能获得风险溢价，非系统风险可以通过分散化消除。贝塔系数（β）衡量的是资产的系统风险，反映资产收益对市场收益变动的敏感程度。（√）如果投资者是风险规避的，其风险厌恶系数A为正值。（√）在投资组合理论中，允许买空卖空时，有效前沿的范围会比不允许买空卖空时更小。（×）解析：允许买空卖空时，投资可行集更大，有效前沿的范围通常也更大。证券市场线（SML）不仅适用于有效资产组合，也适用于单一证券。（√）三、简答题简述投资组合理论的基本假设。参考答案：投资组合理论建立在以下假设基础上：（1）证券市场是有效的；（2）证券投资是无限可分的；（3）投资者追求持有期内的效用最大化，且效用取决于收益和风险；（4）投资者用期望收益率和方差