2025CFA二级数量方法真题及答案适合上班族精简版

2025CFA二级数量方法真题及答案适合上班族精简版

一、单项选择题（总共10题，每题2分）1.以下哪种方法最常用于检测多元回归中的异方差？A.Durbin-Watson检验B.White检验C.t检验D.F检验2.多元线性回归中，调整R²的主要作用是？A.衡量模型对因变量变异的解释程度B.修正因变量数量增加导致的R²高估C.检验回归系数的显著性D.检测多重共线性3.当时间序列存在自相关时，以下哪种方法可以用于修正标准误？A.加权最小二乘法B.差分法C.Newey-West方法D.主成分分析4.在包含虚拟变量的回归模型中，若某类别有3个水平，则应引入多少个虚拟变量？A.1B.2C.3D.45.以下哪个统计量用于检验时间序列的单位根？A.Dickey-Fuller检验B.Jarque-Bera检验C.F检验D.Chi-square检验6.贝叶斯定理中，后验概率等于？A.先验概率乘以似然函数除以边际似然B.似然函数乘以边际似然除以先验概率C.先验概率加似然函数减边际似然D.似然函数加先验概率除以边际似然7.机器学习中，过拟合的主要特征是？A.训练集误差高，测试集误差低B.训练集误差低，测试集误差高C.训练集和测试集误差都高D.训练集和测试集误差都低8.以下哪种抽样方法适用于总体中存在明显分层且层内差异较小的情况？A.简单随机抽样B.分层抽样C.系统抽样D.整群抽样9.假设检验中，第一类错误是指？A.拒绝了真实的原假设B.接受了错误的原假设C.拒绝了错误的备择假设D.接受了真实的备择假设10.ARMA(p,q)模型中的p代表？A.自回归项的阶数B.移动平均项的阶数C.差分的次数D.滞后项的总数二、填空题（总共10题，每题2分）1.多元回归中，当自变量之间存在高度线性相关时，会出现______问题。2.Durbin-Watson统计量的值接近______时，表明存在正自相关。3.方差膨胀因子（VIF）大于______通常被认为存在严重的多重共线性。4.时间序列若满足均值、方差和自协方差不随时间变化，则称为______序列。5.ARIMA模型中的“I”代表______，用于处理非平稳序列。6.贝叶斯分析中，______概率是在获得新信息前对事件发生可能性的估计。7.假设检验中，______值表示在原假设成立的情况下，观察到当前样本结果或更极端结果的概率。8.异方差的常用修正方法包括______最小二乘法和Newey-West标准误。9.机器学习中，______验证通过将数据分成多个子集轮流训练和测试，以评估模型泛化能力。10.抽样分布中，样本均值的分布在大样本下趋近于______分布，这是中心极限定理的结论。三、判断题（总共10题，每题2分）1.多元回归中，R²会随着自变量数量的增加而单调上升。2.自相关会导致回归系数的估计值有偏。3.虚拟变量的数量应等于类别数减一，以避免完全共线性。4.平稳时间序列的均值和方差随时间变化。5.贝叶斯分析属于频率学派统计方法。6.过拟合的模型在训练集上表现优秀，但在测试集上表现较差。7.White检验是检测自相关的常用方法。8.多重共线性会导致回归系数的标准误增大。9.假设检验中，若p值小于显著性水平，则拒绝原假设。10.分层抽样比简单随机抽样更有效，当层内差异大而层间差异小时。四、简答题（总共4题，每题5分）1.解释多元线性回归中的多重共线性及其对模型的影响。2.说明时间序列中平稳性的重要性及检验方法。3.简述贝叶斯定理在投资决策中的应用。4.解释机器学习中的过拟合现象及避免方法。五、讨论题（总共4题，每题5分）1.讨论异方差对回归分析的影响及常用的修正方法。2.比较时间序列中的ARMA模型与ARIMA模型的适用场景。3.分析假设检验中p值与显著性水平的关系及实际应用中的注意事项。4.讨论机器学习在投资组合管理中的应用优势与挑战。答案：一、单项选择题1.B2.B3.C4.B5.A6.A7.B8.B9.A10.A二、填空题1.多重共线性2.0（或小于2）3.104.平稳5.差分（或积分）6.先验7.p8.加权9.交叉10.正态三、判断题1.对2.错3.对4.错5.错6.对7.错8.对9.对10.错四、简答题答案1.多重共线性指多元回归中自变量间存在高度线性相关。影响包括：系数标准误增大，t统计量减小，难以检测显著性；系数估计不稳定，微小数据变化导致符号或大小变动；模型解释能力下降，无法区分单个自变量独立影响。但不影响拟合优度和系数无偏性。2.平稳性是时间序列分析基础，非平稳序列易导致伪回归。检验方法：Dickey-Fuller检验，原假设为存在单位根（非平稳），若统计量小于临界值则拒绝原假设；也可观察均值、方差和自相关函数是否随时间变化初步判断。3.贝叶斯定理结合先验概率与新信息更新事件概率。投资中用于：更新资产收益率分布信念，如根据市场数据调整股票上涨概率；评估策略有效性，结合历史表现和新信号调整置信度；风险管理中更新违约等风险事件概率，灵活整合主观判断与客观数据。4.过拟合指模型过度学习训练数据噪声，训练集表现好测试集差。避免方法：正则化限制复杂度；增加训练数据；交叉验证评估泛化；简化模型结构；早停法在验证集性能下降时停止训练。五、讨论题答案1.异方差指残差方差随自变量变化，影响标准误估计偏倚、检验失效及区间不准确。修正方法：加权最小二乘法按残差方差加权；Newey-West标准误处理异方差与自相关；转换因变量（如对数）减少异方差。需根据类型选方法。2.ARMA适用于平稳序列，用AR捕捉滞后相关、MA捕捉扰动，适合短期预测。ARIMA引入差分处理非平稳序列，将其转化为平稳后用ARMA。场景：平稳序列用ARMA，非平稳差分后平稳用ARIMA，如GDP非平稳用ARIMA，资产收益率平稳用ARMA。3.p值是原假设成立时观察到当前或更极端结果的概率，α是拒绝阈值。p<α则拒绝原假设。注意：α需结合实际（如风控选低α