2026时间序列分析名师划重点配套试题及答案

2026时间序列分析名师划重点配套试题及答案

一、单项选择题(总共10题，每题2分)1.时间序列的定义是（）A.随机变量的集合B.随时间顺序排列的观测值C.固定间隔的数值D.具有趋势的数列2.宽平稳时间序列的条件不包括（）A.均值恒定B.方差恒定C.自协方差只与滞后有关D.所有高阶矩恒定3.AR(1)模型Xt=φ₁Xt-1+εt平稳的条件是（）A.|φ₁|>1B.|φ₁|<1C.φ₁=1D.φ₁=04.若某时间序列的ACF拖尾、PACF一阶截尾，则该序列适合拟合（）A.AR(1)B.MA(1)C.ARMA(1,1)D.AR(2)5.单位根检验的常用方法是（）A.t检验B.F检验C.ADF检验D.χ²检验6.MA(1)模型Xt=εt+θ₁εt-1可逆的条件是（）A.|θ₁|>1B.|θ₁|<1C.θ₁=1D.θ₁=07.协整关系存在的前提是变量必须（）A.同阶单整B.都是平稳C.一阶差分平稳D.二阶差分平稳8.GARCH模型主要刻画时间序列的（）A.趋势性B.季节效应C.波动率聚类D.循环波动9.样本外预测是指（）A.用建模数据预测已知值B.用未参与建模的数据验证预测C.预测样本内的缺失值D.预测长期趋势10.ARIMA(p,d,q)模型中d表示（）A.自回归阶数B.移动平均阶数C.差分次数D.季节差分次数二、填空题(总共10题，每题2分)1.时间序列的四个组成部分是趋势、季节、循环、（）。2.白噪声序列的自协方差函数在滞后k≠0时为（）。3.AR(2)模型平稳的条件是特征方程的根都在（）外。4.MA模型的自相关函数具有（）性。5.单位根检验中，若检验统计量小于临界值，则（）存在单位根的原假设。6.协整检验的常用方法有EG两步法和（）。7.GARCH(1,1)模型的条件方差方程包括常数项、滞后残差平方项、（）。8.时间序列预测中，衡量精度的指标有均方误差（MSE）、（）。9.差分运算可以消除时间序列的（）性。10.ARMA模型的全称是（）。三、判断题(总共10题，每题2分)1.宽平稳序列一定是严平稳序列。（）2.AR(1)模型的PACF是一阶截尾。（）3.MA(1)模型的ACF是一阶截尾。（）4.存在单位根的时间序列是平稳的。（）5.协整的变量之间一定存在长期均衡关系。（）6.GARCH模型可以刻画波动率的非对称性。（）7.差分次数越多，时间序列越平稳。（）8.ACF和PACF是识别ARMA模型阶数的主要工具。（）9.样本外预测的精度一定比样本内预测低。（）10.ARIMA模型是对差分后的平稳序列拟合ARMA模型。（）四、简答题(总共4题，每题5分)1.简述宽平稳时间序列的定义。2.说明ARMA模型识别的主要步骤。3.解释协整的经济意义。4.简述GARCH(1,1)模型的结构及应用场景。五、讨论题(总共4题，每题5分)1.讨论时间序列分析中平稳性的重要性及非平稳序列的处理方法。2.分析ARIMA模型与传统回归模型的区别及适用场景。3.讨论波动率模型（如GARCH）在金融时间序列分析中的作用。4.说明时间序列预测中样本内检验与样本外检验的必要性及如何平衡两者。答案一、单项选择题1.B2.D3.B4.A5.C6.B7.A8.C9.B10.C二、填空题1.随机波动2.03.单位圆4.截尾5.拒绝6.Johansen检验7.滞后条件方差项8.平均绝对误差（MAE）9.趋势10.自回归移动平均模型三、判断题1.错2.对3.对4.错5.对6.错7.错8.对9.错10.对四、简答题1.宽平稳时间序列满足三个条件：一是均值恒定，E(Xt)=μ（μ为常数）；二是方差恒定，Var(Xt)=σ²（σ²为常数）；三是自协方差仅与滞后阶数k有关，与时间t无关，即Cov(Xt,Xt+k)=γ(k)（γ(k)仅依赖k）。宽平稳仅要求前二阶矩平稳，不涉及高阶矩。2.ARMA模型识别步骤：首先检验序列平稳性，非平稳则差分；其次，对平稳序列，若ACF拖尾、PACF截尾，为AR模型，截尾阶数为PACF截尾点；若ACF截尾、PACF拖尾，为MA模型，截尾阶数为ACF截尾点；若两者均拖尾，为ARMA模型，阶数结合拖尾情况及AIC、BIC等信息准则确定。3.协整的经济意义是：多个非平稳时间序列的线性组合可能平稳，反映变量间长期均衡关系。例如消费与收入均为I(1)序列，但消费-收入的线性组合平稳，说明两者长期有稳定比例关系，短期偏离会通过误差修正回到均衡，体现经济变量的长期协调关系。4.GARCH(1,1)模型包括均值方程（Xt=μ+εt）和条件方差方程（σt²=ω+αεt-1²+βσt-1²，其中ω>0，α≥0，β≥0，α+β<1）。该模型刻画波动率聚类性（大波动后随大波动，小波动后随小波动），适用于金融时间序列（如股票收益率、汇率）的波动率预测，因金融数据常现波动率聚集特征。五、讨论题1.平稳性是时间序列分析基础：平稳序列统计性质不随时间变，模型参数一致可解释；非平稳会导致伪回归（高R²无意义）。处理方法：差分（ARIMA的d次差分消趋势）、detrending（去确定性趋势，如线性趋势残差）、协整（非平稳但协整用误差修正模型）。需注意过度差分引噪声，需单位根检验确认平稳。2.ARIMA与传统回归区别：传统回归假设自变量非随机无自相关，依赖因果；ARIMA是无exogenous变量的单变量模型，用自身滞后值和扰动项建模，关注动态结构，适用于单变量预测（如销售额）。传统回归适用于有明确解释变量场景（如GDP与投资），ARIMA适用于无明确解释变量或难获取的单变量预测。3.金融时间序列核心特征是波动率聚类及时变性，GARCH模型作用：一是捕捉波动率动态，解决传统模型方差恒定缺陷；二是预测波动率，为期权定价、VaR计算提供输入；三是解释波动率来源（滞后残差平方反映新信息冲击，滞后条件方差反映历史波动率持续性）。例如用GARCH预测股票收益率波动率，计算VaR衡量投资风险。4.样本内检验必要性：评估模型对