2026国考统计岗专业笔试时间序列分析试题及答案

2026国考统计岗专业笔试时间序列分析试题及答案

一、单项选择题（共10题，每题2分）1.下列属于严格平稳时间序列的是（）A.随机游走序列B.白噪声序列C.带线性趋势的序列D.带季节波动的序列2.AR(1)模型中，若自回归系数φ₁=0.9，则该模型（）A.平稳B.非平稳C.临界平稳D.无法判断3.MA(2)模型的自相关函数（ACF）特征是（）A.2阶截尾B.拖尾C.1阶截尾D.振荡衰减4.单位根检验中，若t统计量小于显著性水平为5%的临界值，则结论是（）A.拒绝单位根假设（序列平稳）B.不拒绝单位根假设（序列非平稳）C.接受平稳假设D.无法判断5.Holt-Winters模型适用于（）A.无趋势无季节序列B.有趋势无季节序列C.无趋势有季节序列D.有趋势有季节序列6.ARMA(1,1)模型的偏自相关函数（PACF）特征是（）A.1阶截尾B.拖尾C.2阶截尾D.常数衰减7.下列方法中，用于季节调整的是（）A.ADF检验B.X-12方法C.ARIMA建模D.GARCH建模8.误差修正模型（ECM）主要用于分析（）A.平稳序列的短期波动B.非平稳序列的长期均衡关系C.序列的异方差性D.序列的趋势分解9.ARCH(1)模型的条件方差依赖于（）A.前1期残差平方B.前1期序列值C.前2期残差平方D.前2期序列值10.简单指数平滑法适用于（）A.有趋势序列B.有季节序列C.平稳无趋势无季节序列D.非平稳序列二、填空题（共10题，每题2分）1.平稳时间序列需满足的两个核心条件是：均值为常数、______。2.AR(p)模型的偏自相关函数（PACF）特征是______。3.单位根检验的常用方法包括ADF检验和______。4.ARIMA(p,d,q)模型中，d表示______。5.Holt模型是对简单指数平滑的扩展，引入了______项。6.季节调整的核心是将时间序列分解为趋势-循环项、______和不规则项。7.协整检验的常用方法有Engle-Granger两步法和______。8.GARCH(p,q)模型中，q表示______的阶数。9.白噪声序列的自相关函数（ACF）特征是______。10.时间序列建模中，平稳性检验的目的是______。三、判断题（共10题，每题2分）1.随机游走序列的方差随时间推移而增大，因此是非平稳序列。（）2.AR(2)模型中，若特征方程的根模均大于1，则模型平稳。（）3.MA(q)模型的偏自相关函数（PACF）是拖尾的。（）4.ADF检验中，包含趋势项的模型比仅含常数项的模型更严格。（）5.Holt-Winters加法模型适用于季节波动幅度随趋势增长而扩大的序列。（）6.协整关系意味着多个非平稳序列的线性组合是平稳的。（）7.ARCH模型用于捕捉时间序列残差的条件异方差性。（）8.简单指数平滑的平滑系数α越大，预测对近期数据的权重越高。（）9.X-12季节调整方法中，移动平均法用于估计趋势-循环项。（）10.ARIMA模型建模的前提是序列经过差分后平稳。（）四、简答题（共4题，每题5分）1.简述平稳时间序列的定义及判断方法。2.简述ARIMA(p,d,q)模型的建模步骤。3.简述Holt-Winters模型的两种形式（加法与乘法）及适用场景。4.简述协整与误差修正模型（ECM）的关系。五、讨论题（共4题，每题5分）1.讨论单位根检验中，不同检验形式（含常数项、含趋势项、不含常数项）的选择依据及对检验结果的影响。2.讨论ARMA模型识别中，自相关函数（ACF）和偏自相关函数（PACF）的作用及常见模型的ACF/PACF特征。3.讨论季节调整的必要性及X-12方法的核心步骤。4.讨论GARCH模型的应用场景及与ARCH模型的区别。答案及解析一、单项选择题答案1.B2.A3.A4.B5.D6.B7.B8.B9.A10.C二、填空题答案1.方差为常数且自协方差仅与时间差有关2.p阶截尾3.PP检验4.差分次数5.趋势6.季节项7.Johansen检验8.GARCH项（或滞后方差项）9.除0阶外均为0（或近似为0）10.确保序列满足ARIMA等模型的建模前提三、判断题答案1.√2.√3.√4.√5.×6.√7.√8.√9.√10.√四、简答题答案1.平稳时间序列定义及判断方法定义：严格平稳序列满足任意时刻的联合分布仅与时间差有关；宽平稳序列满足均值为常数、方差为常数、自协方差仅与时间差有关。判断方法：①直观观察序列趋势/波动是否稳定；②自相关函数（ACF）是否衰减至0；③单位根检验（ADF/PP）；④若ACF不衰减，需进行差分后再检验。2.ARIMA(p,d,q)建模步骤①序列平稳性检验：若非平稳，进行d次差分至平稳；②识别p和q：通过ACF（MA(q)截尾）、PACF（AR(p)截尾）；③参数估计：用最小二乘法或极大似然法估计AR、MA系数；④模型检验：残差是否为白噪声（ACF/PACF均不显著）；⑤预测：用拟合模型对未来值进行预测。3.Holt-Winters模型两种形式及适用场景加法形式：季节项=趋势项+季节波动+不规则项，适用于季节波动幅度稳定的序列；乘法形式：季节项=趋势项×季节波动×不规则项，适用于季节波动幅度随趋势增长而扩大的序列。两者均包含趋势项和季节项，需分别设置平滑系数（水平、趋势、季节）。4.协整与ECM的关系协整表示多个非平稳序列的线性组合平稳，反映长期均衡关系；ECM是协整模型的扩展，将短期波动分解为长期均衡偏差（误差修正项）和短期影响项，用于分析序列的短期调整机制。ECM的前提是序列存在协整关系，误差修正项系数反映偏离均衡后的调整速度。五、讨论题答案1.单位根检验形式选择及影响选择依据：①序列是否有常数项：观察序列均值是否非零；②是否有趋势项：观察序列是否存在线性趋势。影响：若序列含趋势但检验模型不含，可能导致单位根检验失效；若不含趋势却加入，可能使检验力下降。例如，随机游走含常数项，需选择含常数项的检验模型，否则易误判为非平稳。2.ACF/PACF在ARMA识别中的作用ACF反映序列与自身滞后项的线性相关，PACF反映剔除中间滞后项后的直接相关。常见模型特征：AR(p)→PACFp阶截尾、ACF拖尾；MA(q)→ACFq阶截尾、PACF拖尾；ARMA(p,q)→ACF和PACF均拖尾。作用：通过ACF/PACF的截尾/拖尾特征，初步确定AR、MA的阶数，为后续参数估计提供依据。3.季节调整的必要性及X-12核心步骤必要性：季节波动会掩盖趋势/循环的真实变化，影响预测和分析。X-12核心步骤：①预处理：异常值识别与调整；②季节调整：用移动平均法分离趋势-循环项，再分离季节项和不规则项；③检验：验证季节调整后序列的平稳性及残差白噪声性；④输出：调