2022年CFA二级数量方法刷完稳拿A真题及答案

2022年CFA二级数量方法刷完稳拿A真题及答案

一、单项选择题（10题，每题2分）1.在多元回归分析中，如果误差项存在异方差，但无自相关，OLS估计量可能具有以下哪种性质？A.无偏但无效B.有偏但有效C.无偏且有效D.有偏且无效2.时间序列数据中，一个过程是弱平稳的必要条件不包括：A.均值恒定B.方差恒定C.自协方差依赖于时间点D.自协方差仅依赖于时间间隔3.假设检验中，p值小于显著性水平α时，正确的结论是：A.接受原假设B.拒绝原假设C.无法判断D.增加样本量4.在多元回归模型中，调整R-squared的作用是：A.惩罚增加无关变量B.提高模型拟合度C.消除多重共线性D.减少异方差影响5.ARIMA(p,d,q)模型中，d代表：A.自回归阶数B.移动平均阶数C.差分次数D.季节性周期6.蒙特卡洛模拟在金融中的应用主要基于：A.历史数据回测B.随机抽样生成路径C.参数估计优化D.模型校准检验7.如果回归模型的残差显示正自相关，DW统计量可能接近：A.0B.2C.4D.18.在因子分析中，主成分分析的主要目的是：A.减少变量维度B.检验假设C.估计回归系数D.处理异方差9.协整检验用于分析两个时间序列的：A.短期关系B.长期均衡关系C.异方差性D.自相关结构10.在GARCH模型中，条件方差是：A.恒定值B.依赖于过去误差平方C.独立于历史数据D.仅由均值决定二、填空题（10题，每题2分）1.在OLS回归中，高斯-马尔可夫定理要求在误差项均值为0、方差恒定、无自相关和______________条件下，估计量为BLUE。2.AR(1)过程平稳的充要条件是自回归系数的绝对值__________1。3.异方差的Breusch-Pagan检验基于辅助回归中的__________统计量。4.时间序列的ADF检验用于判断序列是否具有__________性质。5.假设检验中，第一类错误是指当原假设为真时__________拒绝原假设。6.在多元回归中，VIF(VarianceInflationFactor)大于10通常表示存在__________问题。7.蒙特卡洛模拟的核心步骤包括定义随机变量、__________和计算统计量。8.协整向量的估计常用方法是__________方法。9.ARCH模型描述的条件方差依赖于过去__________的平方项。10.在时间序列预测中，MA(q)模型的移动平均项数量为__________。三、判断题（10题，每题2分）1.多重共线性会导致回归系数估计有偏，但无改变一致性。()2.弱平稳时间序列的均值、方差和自协方差都恒定。()3.p值大于0.05时，必须在5%显著性水平下接受原假设。()4.GARCH模型能有效捕捉金融时间序列的波动聚集现象。()5.在异方差存在时，使用White稳健标准误可以保证OLS估计的无偏性。()6.ADF检验的原假设是时间序列平稳。()7.置信区间宽度与样本量成正比。()8.因子分析中，主成分是原始变量的线性组合。()9.自相关只影响时间序列模型的预测精度，不影响参数估计。()10.蒙特卡洛模拟总能提供精确的参数估计，无需分布假设。()四、简答题（4题，每题5分）1.简述多元回归中多重共线性的诊断方法和潜在后果。2.解释时间序列分析中平稳性的定义及其重要性。3.描述假设检验中第一类错误和第二类错误的区别，并举例说明。4.说明ARCH模型的基本形式和适用场景。五、讨论题（4题，每题5分）1.讨论在金融实证研究中，为什么OLS回归可能不适用于时间序列数据，并提出替代方法。2.分析GARCH模型在风险管理中的优势与局限性。3.探讨协整概念在资产定价模型中的应用价值。4.论述蒙特卡洛模拟在衍生品定价中的具体步骤和关键假设。答案及解析一、单项选择题1.A解析：异方差不影响OLS估计的无偏性，但增大标准误，导致无效。2.C解析：弱平稳要求均值恒定、方差恒定、自协方差仅依赖时间间隔，不依赖时间点。3.B解析：p值小于α时拒绝原假设，表示统计显著。4.A解析：调整R-squared惩罚增加变量，避免过拟合，比较模型拟合度。5.C解析：d表示差分次数，使序列平稳。6.B解析：蒙特卡洛模拟基于随机抽样生成路径，评估风险或收益分布。7.A解析：DW统计量接近0表示正自相关，接近4表示负自相关。8.A解析：主成分分析降维，提取变量主要信息。9.B解析：协整检验非平稳序列的长期均衡关系，避免伪回归。10.B解析：GARCH模型条件方差依赖于过去误差平方，捕捉波动性。二、填空题1.无序列相关解析：高斯-马尔可夫要求误差独立同分布。2.小于解析：AR(1)平稳需|φ|<1，否则发散。3.LM解析：Breusch-Pagan检验使用LM统计量判断异方差。4.单位根解析：ADF检验原假设为单位根存在（非平稳）。5.错误地解析：第一类错误是拒真错误。6.多重共线性解析：VIF>10表示高共线性，影响估计精度。7.重复模拟解析：蒙特卡洛需多次抽样生成分布。8.Engle-Granger解析：两步法估计协整向量。9.误差项解析：ARCH模型方差基于过去残差平方。10.q解析：MA(q)模型有q阶移动平均项。三、判断题1.错解析：多重共线性不影响无偏性或一致性，仅增大方差。2.对解析：弱平稳定义均值、方差恒定，自协方差仅依赖间隔。3.错解析：p值>α时不拒绝原假设，但非绝对接受，需结合证据。4.对解析：GARCH模型成功捕捉波动聚集，如金融资产价格。5.错解析：White稳健标准误处理异方差方差增大，但不影响无偏性本身。6.错解析：ADF检验原假设是单位根（非平稳），备择平稳。7.错解析：置信区间宽度与样本量平方根成反比，样本量越大越窄。8.对解析：主成分是原始变量的加权和，最大化方差。9.错解析：自相关导致OLS估计无效（标准误偏小），影响推断。10.错解析：蒙特卡洛模拟依赖分布假设，否则结果可能偏差。四、简答题1.答案：多重共线性诊断方法包括计算VIF（方差膨胀因子），若VIF>10表示严重；或观察回归系数符号与预期不符。后果是增大系数标准误，导致t检验不显著，但估计仍无偏。可能使模型不稳定，影响预测可靠性。例如，在资产定价模型中，高度相关的因子可能导致系数估计不可靠。2.答案：平稳性指时间序列的统计特性（如均值、方差）不随时间变化。重要性在于确保模型参数稳定，避免伪回归。非平稳序列需差分处理，否则OLS回归无效。例如，金融数据中股价非平稳，需转换为收益率以建模。3.答案：第一类错误是拒真（原假设真但拒绝），第二类错误是取伪（原假设假但接受）。例如，检验资产收益是否为零：第一类错误指收益为零却拒绝，误判有收益；第二类错误指收益非零却接受零假设，漏掉机会。两者权衡通过显著性水平和功效控制。4.答案：ARCH模型形式为条件方差σ_t²=α₀+α₁ε_{t-1}²，其中ε_t为误差项。适用场景是波动性聚集的金融时间序列，如股票收益。它捕捉异方差，但需扩展为GARCH以处理长期依赖。五、讨论题1.答案：OLS回归假设误差独立同分布，但时间序列常有自相关和趋势，导致伪回归或无效推断。例如，股价序列非平稳，OLS可能显示虚假关系。替代方法包括使用ARIMA模型处理自相关，或协整分析非平稳序列的长期关系。在实证中，应先检验平稳性，应用差分或误差修正模型。2.答案：GARCH模型优势在于捕捉波动聚集和杠杆效应，提升风险管理精度，如计算VaR。局限性包括参数估计复杂、对极端事件敏感，可能低估尾部风险。例如，在金融危机中，GARCH可能无法预测黑天鹅事件，需结合极值理论。3.答案：协整描述非平稳序列的长期均衡关系，在资产定价中用于构建套利