2026年CFA二级数量方法真题及答案覆盖100%考纲考点

2026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（总共10题，每题2分）1.在多元线性回归中，若存在异方差性，以下哪项结论正确？A.系数估计量不再无偏B.系数估计量不再有效C.标准差估计值无偏差D.t检验仍然有效2.时间序列分析中，若序列满足随机游走（RandomWalk）模型，其一阶差分序列的自相关系数最可能为？A.0B.0.5C.1D.-0.53.面板数据（PanelData）中，固定效应模型（FixedEffectsModel）主要用于处理以下哪种问题？A.个体间不可观测的异质性B.时间维度的自相关C.截面维度的异方差D.解释变量的外生性4.蒙特卡洛模拟（MonteCarloSimulation）的核心步骤不包括？A.定义随机变量的概率分布B.生成伪随机数C.计算解析解D.重复模拟并统计结果5.非参数检验（NonparametricTest）适用于以下哪种场景？A.数据服从正态分布B.样本量极大C.数据为顺序型变量D.解释变量为连续型6.ARCH（AutoregressiveConditionalHeteroskedasticity）模型用于刻画时间序列的？A.均值的自相关性B.方差的时变性C.序列的非平稳性D.长期记忆性7.贝叶斯统计（BayesianStatistics）中，后验概率分布的计算依赖于？A.先验分布与似然函数B.样本均值与方差C.中心极限定理D.大数定律8.主成分分析（PrincipalComponentAnalysis,PCA）的主要目标是？A.检验变量间的因果关系B.降低数据维度同时保留大部分方差C.估计回归模型的系数D.处理时间序列的单位根问题9.生存分析（SurvivalAnalysis）中，Cox比例风险模型（CoxProportionalHazardsModel）的关键假设是？A.风险函数与时间无关B.协变量对风险的影响随时间变化C.风险比（HazardRatio）不随时间变化D.数据无删失（Censoring）10.广义矩估计（GeneralizedMethodofMoments,GMM）的有效性（Efficiency）主要取决于？A.矩条件（MomentConditions）的数量B.样本量大小C.误差项的正态性D.解释变量的外生性二、填空题（总共10题，每题2分）1.多元回归中，调整R²（AdjustedR²）用于修正__________对模型拟合优度的高估。2.时间序列自相关检验中，杜宾-沃森统计量（Durbin-WatsonStatistic）的取值范围通常为__________。3.随机游走模型（RandomWalk）的一阶差分序列是__________过程。4.面板数据按结构可分为平衡面板（BalancedPanel）和__________面板。5.夏普比率（SharpeRatio）的计算中，分母是投资组合收益的__________。6.ARCH(p)模型的条件方差方程中，方差依赖于过去__________期的残差平方。7.贝叶斯定理的数学表达式为：后验概率=（似然函数×先验概率）/__________。8.主成分分析中，主成分之间是__________的（填“相关”或“不相关”）。9.生存分析中，删失数据（CensoredData）指观测到事件__________发生的时间。10.GMM估计的核心是最小化__________与理论矩条件的加权距离。三、判断题（总共10题，每题2分）1.多元回归中，R²（决定系数）越大，模型的预测能力一定越强。（）2.时间序列存在自相关时，OLS估计的系数标准差会被低估，导致t检验出现TypeI错误。（）3.固定效应模型通过引入个体虚拟变量，消除了不随时间变化的个体异质性。（）4.蒙特卡洛模拟的精度仅取决于模拟次数，与随机数生成方法无关。（）5.非参数检验对数据分布假设更宽松，因此适用于小样本非正态数据。（）6.ARCH模型可以捕捉到时间序列方差的集群效应（VolatilityClustering）。（）7.贝叶斯估计中，先验分布的选择必须基于客观数据，不能主观设定。（）8.主成分分析提取的第一个主成分解释的方差最大，后续主成分解释的方差递减。（）9.生存分析中，Kaplan-Meier估计适用于存在删失数据的情况，而Cox模型不需要删失数据。（）10.GMM估计中，矩条件数量越多，估计结果越有效。（）四、简答题（总共4题，每题5分）1.简述固定效应模型（FixedEffectsModel）与随机效应模型（RandomEffectsModel）的主要区别及适用场景。2.时间序列分析中，单位根检验（UnitRootTest）的目的是什么？常用的检验方法有哪些？3.请列举两种异方差性（Heteroskedasticity）的检验方法，并说明异方差对回归分析的影响。4.蒙特卡洛模拟（MonteCarloSimulation）的基本步骤包括哪些？其在金融中的典型应用有哪些？五、讨论题（总共4题，每题5分）1.多元线性回归中，多重共线性（Multicollinearity）的识别方法有哪些？如何处理多重共线性问题？2.时间序列预测中，如何选择合适的ARIMA（p,d,q）模型？需要考虑哪些关键步骤？3.面板数据模型中，若存在遗漏变量（OmittedVariables）且与解释变量相关，可能导致什么问题？如何解决？4.贝叶斯统计与经典（频率派）统计的核心差异是什么？各自在金融分析中的典型应用场景有哪些？答案及解析一、单项选择题1.B（异方差不影响无偏性，但会使系数估计量非有效，标准差估计有偏，t检验失效）2.A（随机游走的一阶差分为白噪声，自相关系数为0）3.A（固定效应模型通过个体虚拟变量控制不随时间变化的个体异质性）4.C（蒙特卡洛模拟不计算解析解，而是通过模拟近似）5.C（非参数检验适用于非正态、顺序型或小样本数据）6.B（ARCH模型刻画条件方差的时变性）7.A（后验=似然×先验/边际似然）8.B（PCA通过正交变换降低维度，保留最大方差）9.C（Cox模型假设风险比不随时间变化）10.A（GMM的有效性取决于矩条件的数量和权重矩阵选择）二、填空题1.自变量数量2.0到43.白噪声4.非平衡5.标准差（或波动率）6.p7.边际似然（或证据）8.不相关9.未完全10.样本矩三、判断题1.×（R²大可能因过度拟合，预测能力未必强）2.√（自相关导致标准差低估，t值虚高，易拒绝原假设）3.√（固定效应通过个体虚拟变量控制个体异质性）4.×（模拟精度还与随机数生成质量、分布设定有关）5.√（非参数检验对分布假设更宽松，适合小样本非正态数据）6.√（ARCH模型捕捉方差集群效应，即大波动后接大波动）7.×（贝叶斯先验可为主观或客观，取决于分析目的）8.√（主成分按解释方差从大到小排序）9.×（Cox模型同样适用于存在删失数据的情况）10.×（矩条件过多可能导致过度识别，降低估计有效性）四、简答题1.区别：固定效应模型假设个体异质性与解释变量相关，通过个体虚拟变量控制；随机效应模型假设个体异质性与解释变量无关，通过GLS估计。适用场景：若个体异质性可能与解释变量相关（如研究个体特征对结果的影响），用固定效应；若个体异质性为随机误差（如大样本随机抽样），用随机效应。2.目的：检验时间序列是否平稳（是否存在单位根）。常用方法：ADF检验（AugmentedDickey-FullerTest）、PP检验（Phillips-PerronTest）。若存在单位根，序列非平稳，直接回归可能导致伪回归（SpuriousRegression）。3.检验方法：怀特检验（WhiteTest）、BP检验（Breusch-PaganTest）。影响：异方差导致系数估计量虽无偏但非有效，标准差估计有偏，t检验和F检验失效，模型预测区间不可靠。4.步骤：定义随机变量的概率分布、生成伪随机数、模拟计算结果、重复多次并统计。金融应用：资产组合风险价值（VaR）计算、期权定价（如路径依赖期权）、养老金负债模拟等。五、讨论题1.识别方法：方差膨胀因子（VIF>10）、相关系数矩阵（高相关）、条件指数（>30）。处理方法：剔除冗余变量、主成分回归、增加样本量、使用岭回归（RidgeRegression）。2.选择步骤：①检验序列平稳性（单位根检验），确定差分阶数d；②观察自相关函数（ACF）和偏自相关函数（PACF）的截尾性，初步判断p（AR阶数）和q（MA阶数）；③用信息准则（AIC、BIC）选择最优p和q；④检验残差是否为白噪声，验证模型合理性。3.问题：遗漏变量与解释变量相关会导致内生性（Endogeneity），系数估计有偏且不一致。解决方法：使用固定效应模型