中国矿业大学徐海学院《金融计量学》2025-2026学年期末试卷

中国矿业大学徐海学院《金融计量学》2025-2026学年期末试卷一、单项选择题（本大题共10小题，每小题2分，共20分。在每小题给出的四个选项中，只有一项是符合题目要求的）

1.在金融计量学中，下列哪一项不是时间序列模型的常见类型？

A.自回归模型（AR）

B.滑动平均模型（MA）

C.自回归滑动平均模型（ARMA）

D.随机游走模型（RW）

2.下列关于协整检验的说法，哪一项是正确的？

A.协整检验主要用于分析非平稳时间序列之间的长期均衡关系

B.协整检验只能用于平稳时间序列

C.协整检验的主要目的是检测时间序列的平稳性

D.协整检验只能用于两个时间序列之间的分析

3.在金融市场中，波动率聚类现象通常用什么模型来解释？

A.GARCH模型

B.ARIMA模型

C.VAR模型

D.LASSO模型

4.下列关于资本资产定价模型（CAPM）的说法，哪一项是错误的？

A.CAPM主要基于市场效率假说

B.CAPM假设投资者都是风险厌恶的

C.CAPM认为预期收益率与系统性风险成正比

D.CAPM可以准确预测个别资产的预期收益率

5.在金融风险管理中，VaR（风险价值）主要用于衡量什么？

A.投资组合的预期收益率

B.投资组合的潜在损失

C.投资组合的波动率

D.投资组合的流动性

6.下列关于蒙特卡洛模拟的说法，哪一项是正确的？

A.蒙特卡洛模拟主要用于分析确定性问题

B.蒙特卡洛模拟不需要大量的随机抽样

C.蒙特卡洛模拟的主要目的是精确计算结果

D.蒙特卡洛模拟适用于复杂金融衍生品的定价

7.在金融计量学中，下列哪一项不是常用的回归诊断方法？

A.多重共线性检验

B.异方差检验

C.自相关检验

D.协整检验

8.下列关于主成分分析（PCA）的说法，哪一项是错误的？

A.PCA主要用于降维分析

B.PCA可以处理非线性关系

C.PCA的主要目的是提取数据的主要特征

D.PCA适用于高维数据的分析

9.在金融市场中，下列哪一项不是行为金融学的主要研究对象？

A.投资者的非理性行为

B.市场的有效性

C.投资者的心理因素

D.市场的信息不对称

10.下列关于机器学习在金融计量学中的应用，哪一项是正确的？

A.机器学习主要用于解决线性问题

B.机器学习不需要大量的数据

C.机器学习可以处理高维数据

D.机器学习的主要目的是精确计算结果

二、多项选择题（本大题共5小题，每小题3分，共15分）

1.下列哪些是时间序列模型的常见类型？

A.自回归模型（AR）

B.滑动平均模型（MA）

C.自回归滑动平均模型（ARMA）

D.随机游走模型（RW）

E.线性回归模型

2.下列哪些是协整检验的常用方法？

A.Engle-Granger两步法

B.Johansen检验

C.ADF检验

D.PP检验

E.Ljung-Box检验

3.下列哪些是金融市场中常见的波动率模型？

A.GARCH模型

B.EGARCH模型

C.GJR-GARCH模型

D.ARIMA模型

E.VAR模型

4.下列哪些是资本资产定价模型（CAPM）的假设条件？

A.市场效率

B.投资者是风险厌恶的

C.无交易成本

D.所有投资者具有相同的时间偏好

E.无税收

5.下列哪些是机器学习在金融计量学中的常用方法？

A.线性回归

B.支持向量机

C.决策树

D.神经网络

E.聚类分析

三、简答题（本大题共4小题，每小题5分，共20分）

1.简述时间序列模型在金融计量学中的应用。

2.简述协整检验的原理及其在金融分析中的作用。

3.简述GARCH模型在金融风险管理中的应用。

4.简述机器学习在金融计量学中的优势及其局限性。

四、论述题（本大题共2小题，每小题10分，共20分）

材料一：

近年来，随着金融市场的不断发展，波动率聚类现象在金融市场中变得越来越显著。许多研究表明，波动率聚类现象对金融市场的风险管理和投资策略有着重要的影响。波动率聚类现象是指金融市场中的波动率在一段时间内会呈现集聚现象，即在某些时间段内波动率较高，而在其他时间段内波动率较低。这种现象通常与市场的不确定性、投资者情绪等因素有关。

材料二：

某投资机构在过去一年中投资了多种金融资产，包括股票、债券和期货等。该机构发现，其投资组合的波动率在最近几个月内出现了显著增加，且波动率聚类现象较为明显。为了更好地管理风险，该机构需要分析波动率聚类现象的原因，并制定相应的风险管理策略。

1.分析波动率聚类现象对金融市场风险管理的启示。

2.结合材料二，提出该投资机构应对波动率聚类现象的风险管理策略。

五、案例分析题（本大题共2小题，每小题10分，共20分）

材料一：

近年来，随着金融科技的快速发展，许多金融机构开始利用机器学习方法进行投资组合优化。某投资机构利用机器学习方法构建了一个投资组合优化模型，该模型主要基于历史数据和市场信息，通过机器学习算法自动选择最优的投资组合。该机构发现，该模型在过去的几年中表现良好，能够有效地提高投资组合的预期收益率。

材料二：

某投资机构在过去几年中一直采用传统的投资组合优化方法，即基于均值-方差模型的优化方法。然而，近年来，随着市场环境的变化