2024CFA二级数量方法命中率90%真题及答案汇编

2024CFA二级数量方法命中率90%真题及答案汇编

一、单项选择题（每题2分）1.在时间序列分析中，AR(1)模型的标准形式是什么？A.Y_t=β_0+β_1Y_{t-1}+ε_tB.Y_t=ε_t+θ_1ε_{t-1}C.Y_t=c+φ_1Y_{t-1}+ε_tD.Y_t=α+βt+ε_t2.多元线性回归模型中，若解释变量间存在高度相关性，会导致什么问题？A.异方差性B.自相关C.多重共线性D.模型过拟合3.在假设检验中，t检验用于检验什么？A.总体方差是否相等B.单个回归系数的显著性C.模型整体拟合优度D.残差的正态性4.时间序列数据中，单位根检验的常用方法是？A.Durbin-Watson检验B.Breusch-Pagan检验C.Dickey-Fuller检验D.Jarque-Bera检验5.概率分布中，t分布与正态分布的主要区别是什么？A.t分布更对称B.t分布尾部更厚，用于小样本C.正态分布方差恒定D.t分布没有均值6.回归分析中，调整的R²比R²更优是因为？A.考虑了样本大小B.惩罚了额外变量C.消除了异方差性D.提高了预测精度7.异方差性会导致OLS估计量的什么性质失效？A.无偏性B.一致性C.有效性D.正态性8.协整检验用于检验什么？A.时间序列的平稳性B.两个时间序列的长期均衡关系C.残差的自相关D.模型的因果性9.在时间序列预测中，MA(1)模型的意义是什么？A.当前值依赖过去值B.当前值依赖过去误差C.趋势建模D.季节性调整10.假设检验的p值小于显著性水平α时，结论是什么？A.接受原假设B.拒绝原假设C.无法判断D.检验无效二、填空题（每题2分）1.在回归分析中，若残差的方差随自变量变化，这种现象称为______。2.Durbin-Watson统计量的取值范围是______到4。3.时间序列的平稳性要求均值和______为常数。4.F检验用于检验线性回归模型的______显著性。5.中心极限定理说明，当样本量足够大时，样本均值的分布近似______。6.在概率论中，两个随机变量的线性关系强度由______系数衡量。7.ARIMA模型中的"I"代表______过程。8.标准误差反映估计量的______大小。9.假设检验中，TypeI错误是错误地______原假设。10.多元回归中，VIF大于10表示存在严重的______。三、判断题（每题2分）1.自相关意味着残差间存在系统性相关，需要修正模型。（）2.正态分布假设不满足时，OLS估计量仍是无偏的。（）3.时间序列的非平稳性可以通过一阶差分消除。（）4.t检验适用于小样本下的均值比较。（）5.回归模型中，加入无关变量会降低R²值。（）6.协整向量中的参数需要单位根检验确认。（）7.异方差性不影响系数估计的一致性。（）8.概率密度函数在负无穷到正无穷的积分等于0。（）9.MA模型可转化为AR模型。（）10.显著性水平α通常设定为0.05，表示95%置信度。（）四、简答题（每题5分）1.解释多重共线性在回归分析中的影响及检测方法。2.描述时间序列中单位根的概念及其检验意义。3.简述假设检验的基本步骤和错误类型。4.说明在回归分析中如何诊断和处理异方差性。五、讨论题（每题5分）1.讨论时间序列模型AR和MA在预测中的优缺点，并举例说明。2.分析多重共线性与异方差性在回归模型中的区别及其经济学含义。3.探讨协整分析在金融市场预测中的应用价值和局限性。4.论述小样本下t分布与正态分布的差异及其对推断的影响。答案和解析一、单项选择题1.C解析：AR(1)模型为Y_t=c+φ_1Y_{t-1}+ε_t，其中c为常数项，φ_1为系数。2.C解析：高度相关性导致多重共线性，影响系数稳定性。3.B解析：t检验用于单个回归系数的显著性检验。4.C解析：Dickey-Fuller检验是单位根检验的常用方法，用于检查平稳性。5.B解析：t分布尾部更厚，适用于小样本估计。6.B解析：调整的R²惩罚无关变量，防止过拟合。7.C解析：异方差性导致OLS估计量的有效性（方差最小）失效。8.B解析：协整检验用于检验两个非平稳序列的长期均衡关系。9.B解析：MA(1)模型依赖过去误差项，即Y_t=ε_t+θ_1ε_{t-1}。10.B解析：p值小于α时拒绝原假设，支持备择假设。二、填空题1.异方差性解析：异方差性指残差方差随自变量变化，影响模型推断。2.0解析：Durbin-Watson统计量范围0-4，用于检测自相关。3.方差解析：平稳时间序列要求均值和方差恒定，无趋势变化。4.整体解析：F检验检验所有斜率系数是否同时为零，评估模型整体有效性。5.正态分布解析：中心极限定理表明样本均值分布趋近正态，增强推断可靠性。6.相关系数解析：相关系数量化线性关系强度，范围-1到1。7.差分解析：ARIMA中I代表差分的阶数，使序列平稳。8.变异解析：标准误差衡量参数估计的不确定性。9.拒绝解析：TypeI错误是错误拒绝真实原假设，概率为α。10.多重共线性解析：VIF>10表示高度多重共线性，需变量筛选。三、判断题1.正确解析：自相关表示残差相关，违背独立性假设，需用如Newey-West方法修正。2.正确解析：正态性不是无偏性的必要条件，OLS估计量在给定假设下保持无偏。3.正确解析：一阶差分可消除趋势和单位根，获得平稳序列。4.正确解析：t检验适用于小样本均值检验，基于t分布假设。5.错误解析：加入无关变量通常增加R²，但调整的R²可能下降。6.错误解析：协整参数需协整检验确认，单位根检验用于单序列平稳性。7.正确解析：异方差不影响一致性，但方差估计有偏。8.错误解析：概率密度函数积分等于1，表示总概率。9.正确解析：MA和AR模型可相互转换，如ARMA模型。10.正确解析：α=0.05对应95%置信水平，是标准显著性水平。四、简答题1.多重共线性导致系数估计不稳定和方差膨胀，增加预测误差。检测方法包括VIF（方差膨胀因子）分析；若VIF>10，需变量筛选或数据转换缓解问题。（字数45）2.单位根表示时间序列非平稳，差分后变为平稳。检验意义在于避免伪回归；例如，Dickey-Fuller检验确认存在单位根时，需差分建模。（字数42）3.基本步骤包括设定假设、选择检验统计量、计算p值、决定拒绝或接受。错误类型：TypeI（错误拒绝H0），TypeII（错误接受H0）；α控制TypeI风险。（字数38）4.诊断通过残差图或Breusch-Pagan检验；处理包括加权最小二乘法或变换变量，确保误差方差恒定，提升模型稳健性和效率。（字数35）五、讨论题1.AR模型依赖历史值，易处理趋势但忽视随机冲击，如经济预测；MA模型捕捉短期波动，但参数估计困难。实践中，ARMA组合平衡优缺点，如ARMA(1,1)常用于股票价格预测。（字数48）2.多重共线性源于变量相关，影响系数精度，在经济学中反映冗余变量问题；异方差性源于方差不均，导致误差扭曲，影响金融风险模型。区别在于成因：前者为相关性