2021年CFA二级数量方法真题及答案附刷题周计划

2021年CFA二级数量方法真题及答案附刷题周计划

一、单项选择题，(总共10题，每题2分)1.在多元回归分析中，若自变量之间存在高度相关性，会导致以下哪种问题？A.异方差性B.多重共线性C.自相关性D.模型设定错误2.时间序列数据中，若误差项之间存在相关性，则称为：A.异方差性B.序列相关性C.多重共线性D.正态性偏离3.下列哪项不是平稳时间序列的特征？A.均值恒定B.方差恒定C.自协方差与时间无关D.趋势项显著4.在假设检验中，若p值小于显著性水平α，则应当：A.接受原假设B.拒绝备择假设C.拒绝原假设D.无法判断5.蒙特卡洛模拟主要用于：A.参数估计B.假设检验C.风险分析D.回归分析6.下列哪项是自回归模型（AR）的特点？A.仅包含滞后因变量B.仅包含滞后误差项C.包含滞后因变量和误差项D.包含外生变量7.在时间序列分析中，若一个序列需要差分d次才能平稳，则该序列为：A.I(0)B.I(d)C.ARIMA(p,d,q)D.白噪声8.异方差性会导致OLS估计量的：A.无偏性丧失B.有效性丧失C.一致性丧失D.所有性质丧失9.下列哪项不是时间序列模型的诊断检验？A.残差自相关检验B.异方差检验C.正态性检验D.多重共线性检验10.在协整分析中，若两个序列都是I(1)，且它们的线性组合是I(0)，则称这两个序列：A.相关B.协整C.平稳D.独立二、填空题，(总共10题，每题2分)1.在回归分析中，若自变量与因变量之间的关系不是线性的，应当使用__________回归。2.时间序列数据中，若当前值与过去值相关，这种性质称为__________。3.异方差性的检验方法包括__________检验和__________检验。4.在ARIMA模型中，参数p代表__________的阶数。5.若一个时间序列的均值随时间变化，则该序列__________平稳。6.在假设检验中，第一类错误是指__________原假设。7.蒙特卡洛模拟通过__________生成随机数进行模拟。8.在多元回归中，调整R²用于解决__________问题。9.若两个时间序列之间存在长期均衡关系，则它们可能是__________的。10.白噪声序列的均值为__________，方差为常数。三、判断题，(总共10题，每题2分)1.多重共线性会导致回归系数的估计值不准确。（）2.时间序列数据一定是平稳的。（）3.异方差性会影响回归系数的无偏性。（）4.AR模型仅包含滞后因变量作为自变量。（）5.若p值大于显著性水平，则接受原假设。（）6.蒙特卡洛模拟只能用于金融风险管理。（）7.协整关系意味着两个序列之间存在因果关系。（）8.白噪声序列是平稳的。（）9.在回归分析中，残差应当与自变量相关。（）10.时间序列的趋势可以通过差分消除。（）四、简答题，(总共4题，每题5分)1.简述多重共线性对回归分析的影响及解决方法。2.解释时间序列平稳性的含义及其重要性。3.说明异方差性的原因及其对回归结果的影响。4.简述ARIMA模型的基本结构及其应用场景。五、讨论题，(总共4题，每题5分)1.讨论在金融时间序列分析中，为何需要检验序列的平稳性。2.比较蒙特卡洛模拟与历史模拟在风险管理中的优缺点。3.分析协整关系在资产定价模型中的应用价值。4.探讨在多元回归模型中，如何选择适当的自变量。答案与解析一、单项选择题1.B多重共线性指自变量间高度相关，导致估计不稳定。2.B序列相关性指误差项之间存在相关。3.D平稳序列要求均值、方差恒定，趋势项显著说明非平稳。4.Cp值小于α时拒绝原假设。5.C蒙特卡洛模拟常用于风险分析和模拟随机过程。6.AAR模型仅包含滞后因变量。7.B差分d次平稳记为I(d)。8.B异方差性导致估计量方差增大，有效性丧失。9.D多重共线性检验主要用于横截面数据。10.B协整指两个I(1)序列的线性组合为I(0)。二、填空题1.非线性2.自相关性3.White、Breusch-Pagan（或其他合理答案）4.自回归5.不6.错误地拒绝7.随机抽样8.自变量增加导致的R²膨胀9.协整10.零三、判断题1.对多重共线性使估计方差增大，准确性下降。2.错时间序列可能非平稳。3.错异方差性不影响无偏性，但影响有效性。4.对AR模型仅含滞后因变量。5.对p值大于α时接受原假设。6.错蒙特卡洛模拟广泛应用于工程、科学等领域。7.错协整仅表示长期均衡关系，不一定是因果关系。8.对白噪声序列均值为零，方差恒定，是平稳的。9.错残差应与自变量无关。10.对差分可以消除趋势，使序列平稳。四、简答题1.多重共线性会导致回归系数估计不稳定，方差增大，可能使系数符号与预期不符。解决方法包括增加样本量、剔除高度相关变量、使用主成分分析或岭回归等。2.平稳性指时间序列的统计特性（如均值、方差）不随时间变化。平稳性是许多时间序列模型的基础，确保模型估计的有效性和预测的准确性。3.异方差性常源于模型设定错误或数据特性，导致OLS估计量方差非最小，影响假设检验的可靠性。解决方法包括使用加权最小二乘法或稳健标准误。4.ARIMA模型包含自回归(AR)、差分(I)和移动平均(MA)部分，用于拟合非平稳时间序列。广泛应用于经济、金融等领域的数据预测。五、讨论题1.检验平稳性可避免伪回归问题，确保模型有效性。非平稳序列可能导致误导性结论，而差分或转换后可提高预测精度。2.蒙特卡洛模拟灵活，能生成大量随机路径，但依赖分布假设；历史模拟基