2025年CFA二级数量方法真题及答案附赠考点背诵手册

2025年CFA二级数量方法真题及答案附赠考点背诵手册

一、单项选择题（总共10题，每题2分）1.检验时间序列是否存在单位根时，最常用的方法是：A.德宾-沃森（DW）检验B.增广迪基-富勒（ADF）检验C.布罗施-帕甘（BP）检验D.贾奎-贝拉（JB）检验2.在多元线性回归中，若存在异方差性，普通最小二乘法（OLS）估计量的性质是：A.无偏且有效B.有偏但有效C.无偏但非有效D.有偏且非有效3.以下哪项是ARCH（自回归条件异方差）模型的核心特征？A.捕捉均值的自相关性B.描述方差随时间变化的聚类现象C.处理面板数据中的个体效应D.检验序列的正态性4.固定效应模型（FixedEffectsModel）与随机效应模型（RandomEffectsModel）的主要区别在于：A.固定效应模型允许个体效应与解释变量相关，随机效应模型假设不相关B.固定效应模型适用于大N小T数据，随机效应模型适用于小N大T数据C.固定效应模型使用GLS估计，随机效应模型使用LSDV估计D.固定效应模型要求同方差，随机效应模型允许异方差5.贝叶斯统计中，后验概率的计算基于：A.先验概率与似然函数的乘积B.样本均值与总体均值的差异C.假设检验的p值D.时间序列的自相关系数6.计算VaR（在险价值）时，历史模拟法的主要假设是：A.收益率服从正态分布B.未来收益分布与历史分布一致C.波动率具有聚类性D.资产收益独立同分布7.若回归模型存在一阶自相关（ρ=1），则德宾-沃森（DW）统计量最接近：A.0B.2C.4D.18.非参数检验（如Kruskal-Wallis检验）的主要适用场景是：A.数据服从严格正态分布B.数据为定类或定序尺度C.样本量极大且方差已知D.模型存在多重共线性9.蒙特卡洛模拟的主要局限性是：A.无法处理非线性关系B.计算成本高且依赖模型假设C.仅适用于静态场景D.不能生成概率分布10.在假设检验中，第一类错误（TypeIError）是指：A.拒绝正确的原假设B.接受错误的原假设C.拒绝错误的备择假设D.接受正确的备择假设二、填空题（总共10题，每题2分）1.增广迪基-富勒（ADF）检验的原假设是时间序列存在________。2.异方差稳健标准误（HAC标准误）的作用是修正回归模型中________对统计推断的影响。3.ARCH(q)模型的条件方差方程形式为σₜ²=α₀+α₁εₜ₋₁²+…+α_qεₜ₋q²，其中εₜ是________。4.固定效应模型通过________方法消除个体特有的不随时间变化的变量。5.贝叶斯定理的数学表达式为P(A|B)=[P(B|A)P(A)]/________。6.历史模拟法计算VaR时，直接使用________的经验分布。7.德宾-沃森（DW）统计量的取值范围是________。8.Kendall'stau统计量用于衡量两个变量的________相关性。9.蒙特卡洛模拟的关键输入包括随机变量的________和模拟次数。10.参数检验（如t检验）的前提是数据服从________分布。三、判断题（总共10题，每题2分）1.存在单位根的时间序列是平稳的。（）2.异方差性会导致OLS估计量有偏。（）3.ARCH模型可以捕捉波动率的聚类现象（VolatilityClustering）。（）4.固定效应模型假设个体效应与解释变量不相关。（）5.贝叶斯统计必须指定先验分布。（）6.历史模拟法计算VaR时假设收益率服从正态分布。（）7.DW统计量接近2时，说明模型不存在自相关。（）8.Kendall'stau统计量对异常值比皮尔逊相关系数更敏感。（）9.蒙特卡洛模拟可以处理复杂的非线性金融工具定价。（）10.非参数检验不需要数据服从特定分布。（）四、简答题（总共4题，每题5分）1.简述ADF检验的作用及基本步骤。2.异方差性对回归分析有何影响？如何检验和处理异方差？3.固定效应模型与随机效应模型的核心区别是什么？如何选择两者？4.蒙特卡洛模拟的主要步骤有哪些？在金融中通常用于哪些场景？五、讨论题（总共4题，每题5分）1.结合实际金融数据，讨论ARIMA模型与GARCH模型的适用场景差异。2.多元回归中若遗漏重要解释变量，可能导致哪些后果？如何检验是否存在遗漏变量？3.贝叶斯统计与频率统计在假设检验中的主要差异是什么？各自的优缺点有哪些？4.VaR（在险价值）作为风险度量工具的局限性有哪些？预期损失（ES）如何改进这些局限性？答案及解析一、单项选择题1.B（ADF检验用于单位根检验，DW检验自相关，BP检验异方差，JB检验正态性）2.C（异方差不影响OLS无偏性，但会使标准误估计错误，导致无效）3.B（ARCH模型描述条件方差的时变性，捕捉波动聚类）4.A（固定效应允许个体效应与解释变量相关，随机效应假设不相关）5.A（后验=似然×先验/边际似然）6.B（历史模拟法直接使用历史收益分布，不假设正态）7.A（ρ=1时，DW≈2(1-ρ)=0）8.B（非参数检验适用于非正态、定类/定序数据）9.B（蒙特卡洛依赖模型假设，计算成本高）10.A（第一类错误是拒真，第二类是纳伪）二、填空题1.单位根2.异方差性3.随机误差项（或残差）4.组内去均值（或LSDV，最小二乘虚拟变量）5.P(B)（或边际似然）6.历史收益率7.0到48.秩（或顺序）9.概率分布（或随机过程）10.正态（或特定参数化）三、判断题1.×（单位根存在时序列非平稳）2.×（异方差不影响无偏性，但影响有效性）3.√（ARCH模型的核心是捕捉波动聚类）4.×（随机效应假设不相关，固定效应允许相关）5.√（贝叶斯方法必须指定先验）6.×（历史模拟法不假设正态，直接用历史分布）7.√（DW≈2时，ρ≈0，无自相关）8.×（Kendall'stau对异常值更稳健）9.√（蒙特卡洛适用于期权定价等非线性场景）10.√（非参数检验不依赖分布假设）四、简答题1.ADF检验用于判断时间序列是否存在单位根（非平稳）。步骤：①设定原假设（存在单位根）；②在模型中加入滞后差分项以消除自相关；③计算ADF统计量并与临界值比较；④若统计量小于临界值，拒绝原假设，序列平稳。2.影响：OLS标准误估计错误，导致t检验和F检验失效，但估计量仍无偏。检验方法：BP检验（残差平方与解释变量回归）、怀特检验（包含平方项和交叉项）。处理：使用异方差稳健标准误，或对变量取对数变换。3.核心区别：固定效应模型允许个体效应（如公司特质）与解释变量相关，随机效应假设不相关。选择方法：通过豪斯曼检验（HausmanTest），若拒绝随机效应假设（个体效应与解释变量相关），则选固定效应；否则选随机效应。4.步骤：①定义随机变量的概率分布；②生成大量随机数模拟变量取值；③根据模型计算目标变量（如投资组合收益）；④统计结果的分布特征（如均值、分位数）。金融应用：期权定价、风险价值（VaR）计算、养老金负债模拟。五、讨论题1.ARIMA模型用于预测时间序列的均值（如股价趋势），适用于收益率序列平稳或差分后平稳的场景；GARCH模型用于刻画波动率的时变性（如收益的波动聚类），适用于描述风险（如期权隐含波动率）。例如，预测股票日收益率均值用ARIMA，预测日波动率用GARCH。2.后果：遗漏变量与被解释变量相关时，会导致OLS估计量有偏且不一致（内生性）。检验方法：拉格朗日乘数检验（LM检验），将遗漏变量的代理变量加入模型，检验其显著性；或使用豪斯曼检验比较有/无遗漏变量的估计结果差异。3.差异：频率统计基于样本数据计算概率（无先验信息），贝叶斯统计结合先验分布与样本