2022年CFA二级数量方法真题及答案覆盖100%考纲考点

2022年CFA二级数量方法真题及答案覆盖100%考纲考点

一、单项选择题（每题2分，共20分）1.在多元线性回归中，若解释变量之间存在高度的线性相关，这种现象被称为：A.异方差性B.自相关C.多重共线性D.序列相关2.对于一个时间序列，若其均值、方差和自协方差不随时间变化，该时间序列被称为：A.平稳时间序列B.非平稳时间序列C.协整时间序列D.随机游走序列3.以下哪种方法可用于检验时间序列的平稳性？A.F-检验B.t-检验C.单位根检验D.异方差检验4.在回归分析中，若残差项的方差随着解释变量的变化而变化，这种现象被称为：A.异方差性B.自相关C.多重共线性D.序列相关5.假设检验中，若原假设为H0，备择假设为H1，当我们拒绝H0时，可能会犯：A.第一类错误B.第二类错误C.第三类错误D.第四类错误6.若两个时间序列都是非平稳的，但它们的某种线性组合是平稳的，则这两个时间序列被称为：A.平稳时间序列B.非平稳时间序列C.协整时间序列D.随机游走序列7.在回归模型中，调整的R-平方（AdjustedR-squared）的作用是：A.衡量模型的拟合优度，同时考虑了解释变量的数量B.衡量模型的拟合优度，不考虑解释变量的数量C.衡量解释变量之间的相关性D.衡量残差的方差8.对于一个AR(p)模型（自回归模型），其自相关函数（ACF）和偏自相关函数（PACF）的特征是：A.ACF拖尾，PACF在p阶后截尾B.ACF在p阶后截尾，PACF拖尾C.ACF和PACF都拖尾D.ACF和PACF都在p阶后截尾9.以下哪种方法可用于处理异方差性问题？A.加权最小二乘法B.普通最小二乘法C.极大似然估计法D.矩估计法10.在多元线性回归中，若某个解释变量的t-统计量不显著，可能的原因是：A.该解释变量与被解释变量之间没有关系B.该解释变量与其他解释变量之间存在多重共线性C.样本数量太少D.以上都是二、填空题（每题2分，共20分）1.在回归分析中，残差是指________与________之间的差值。2.假设检验中，犯第一类错误的概率被称为________。3.时间序列的基本组成部分包括趋势成分、________成分、________成分和随机成分。4.多元线性回归模型的一般形式为________。5.自回归模型AR(p)的表达式为________。6.移动平均模型MA(q)的表达式为________。7.协整检验的常用方法有________和________。8.异方差的检验方法有________和________等。9.调整的R-平方（AdjustedR-squared）的计算公式为________。10.在回归分析中，若要检验多个解释变量的联合显著性，应使用________检验。三、判断题（每题2分，共20分）1.多元线性回归中，R-平方（R-squared）越高，模型的拟合效果一定越好。（）2.非平稳时间序列不能直接进行回归分析。（）3.自相关函数（ACF）和偏自相关函数（PACF）可以用于识别时间序列模型的类型。（）4.异方差性会导致普通最小二乘法估计量不再是最佳线性无偏估计量。（）5.假设检验中，当原假设为真时拒绝原假设，犯的是第二类错误。（）6.协整时间序列的线性组合一定是平稳的。（）7.调整的R-平方（AdjustedR-squared）一定小于等于R-平方（R-squared）。（）8.对于ARMA(p,q)模型，其自相关函数（ACF）和偏自相关函数（PACF）都是拖尾的。（）9.处理异方差性时，加权最小二乘法的权重通常根据残差的某种函数确定。（）10.在多元线性回归中，若解释变量之间存在多重共线性，会导致参数估计的方差增大。（）四、简答题（每题5分，共20分）1.简述多元线性回归模型的基本假设。2.解释自相关函数（ACF）和偏自相关函数（PACF）的概念，并说明它们在时间序列模型识别中的作用。3.简述协整的概念及其意义。4.说明异方差性的后果及常用的检验方法。五、讨论题（每题5分，共20分）1.讨论在多元线性回归中，如何诊断和处理多重共线性问题。2.结合实际案例，讨论时间序列分析在经济预测中的应用。3.探讨假设检验在投资决策中的作用，并举例说明。4.分析在回归分析中，调整的R-平方（AdjustedR-squared）与R-平方（R-squared）的区别及适用场景。答案：一、单项选择题1.C2.A3.C4.A5.A6.C7.A8.A9.A10.D二、填空题1.观测值；回归值2.显著性水平（α）3.季节；周期4.Y=β0+β1X1+β2X2+…+βkXk+ε5.Yt=φ1Yt-1+φ2Yt-2+…+φpYt-p+εt6.Yt=μ+εt+θ1εt-1+θ2εt-2+…+θqεt-q7.恩格尔-格兰杰（Engle-Granger）两步法；约翰森（Johansen）检验8.怀特（White）检验；帕克（Park）检验9.1-[(n-1)/(n-k-1)]×(1-R²)（其中n为样本数量，k为解释变量数量，R²为R-平方）10.F三、判断题1.×2.√3.√4.√5.×6.√7.√8.√9.√10.√四、简答题1.多元线性回归模型的基本假设包括：（1）解释变量X是确定性变量，不是随机变量，且在重复抽样中取固定值；（2）随机误差项ε的均值为零，即E(ε)=0；（3）随机误差项ε的方差为常数，即Var(ε)=σ²（同方差性）；（4）随机误差项之间不存在序列相关，即Cov(εi,εj)=0，i≠j；（5）解释变量之间不存在完全的线性相关（无多重共线性）；（6）随机误差项ε服从正态分布，即ε~N(0,σ²)。2.自相关函数（ACF）是描述时间序列在不同时刻之间的线性相关程度，它衡量的是序列与其自身滞后值之间的相关性。偏自相关函数（PACF）是在剔除了中间k-1个随机变量的干扰之后，Yt与Yt-k之间的相关关系。在时间序列模型识别中，ACF和PACF的特征可以帮助我们判断模型的类型。例如，对于AR(p)模型，ACF拖尾，PACF在p阶后截尾；对于MA(q)模型，ACF在q阶后截尾，PACF拖尾；对于ARMA(p,q)模型，ACF和PACF都拖尾。3.协整是指两个或多个非平稳时间序列的某种线性组合是平稳的。其意义在于，尽管单个时间序列可能是非平稳的，表现出趋势或其他复杂的变化，但它们之间可能存在一种长期的均衡关系。通过协整分析，可以揭示这种均衡关系，从而用于建立更有效的经济模型和进行预测等。例如，在经济变量中，一些变量可能各自具有非平稳性，但它们之间可能存在长期的稳定关系，利用协整可以找出这种关系，为经济分析提供更准确的依据。4.异方差性的后果主要有：（1）普通最小二乘法估计量不再是最佳线性无偏估计量，即估计量的方差不再最小；（2）参数估计的方差估计是有偏的，从而导致假设检验的可靠性降低；（3）预测的精度下降。常用的检验方法有：（1）怀特（White）检验，它通过对残差平方与解释变量及其交叉项进行回归，利用检验统计量判断是否存在异方差；（2）帕克（Park）检验，通过建立残差平方与解释变量的某种函数关系来检验异方差性。五、讨论题1.诊断多重共线性问题的方法有：（1）计算解释变量之间的相关系数矩阵，若相关系数较高，则可能存在多重共线性；（2）计算方差膨胀因子（VIF），若VIF值较大（通常大于10），表明存在严重的多重共线性。处理方法有：（1）剔除高度相关的解释变量之一；（2）增加样本数量；（3）采用主成分分析等降维方法，将多个相关的解释变量转化为少数几个不相关的主成分；（4）使用岭回归等有偏估计方法。例如，在分析房地产价格影响因素时，可能存在房屋面积、房间数量等解释变量之间高度相关的情况，可通过上述方法进行诊断和处理。2.以股票价格预测为例，时间序列分析可用于分析股票价格的趋势、周期性等特征。通过建立ARIMA等时间序列模型，可以根据历史价格数据预测未来价格走势。例如，首先对股票价格序列进行平稳性检验，若不平稳进行差分处理使其平稳，然后通过ACF和PACF确定模型的阶数，建立合适的ARIMA(p,d,q)模型，利用该模型对未来股票价格进行预测。在宏观经济预测中，也可对GDP、通货膨胀率等时间序列进行分析和预测，为政策制定和投资决策提供参考。3.假设检验在投资决策中可以帮助投资者判断投资策略、投资模型等的有效性。例如，在评估某种投资策略是否能带来超额收益时，可设定原假设H0：该投资策略没有超额收益，备择假设H1：该投资策略有超额收益。通过收集投资收益数据，进行假设检验。若拒绝原假设，则说明该投资策略可能是有效的，投资者可考虑采用；若不能拒绝原假设，则需要重新审视投资策略。在选择投资模型时，也可通过假设检验判断模型参数的显著性等，以确定模型的可靠性。4.R-平方（R-squared）衡量的是模型对样本数据的拟合优度，它表示被解释变量的总变异中可以由解释变量解释的比例。调整的R-平方（AdjustedR-square