江西科技学院《现代金融统计》2025-2026学年期末试卷

江西科技学院《现代金融统计》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）

1.金融统计中，用于衡量经济周期波动性的指标是（）。

A.GDP增长率B.通货膨胀率C.利率变动率D.PMI指数

2.在时间序列分析中，ARIMA模型主要用于（）。

A.预测长期趋势B.检测异常值C.分析季节性波动D.建立多元回归模型

3.金融风险评估中，VaR模型的核心假设是（）。

A.市场价格服从正态分布B.风险厌恶系数固定C.资产收益独立同分布D.压力测试覆盖所有可能情景

4.在多元统计回归中，多重共线性问题的主要影响是（）。

A.降低模型拟合度B.增加预测误差C.使回归系数不稳定D.减少解释变量数量

5.金融统计中，资本资产定价模型（CAPM）的核心变量包括（）。

A.无风险利率、市场风险溢价、系统性风险B.资产收益率、市场收益率、无风险利率

C.贝塔系数、阿尔法系数、夏普比率D.股票价格、市盈率、市净率

6.稳健性检验在金融统计中的主要目的是（）。

A.提高模型精度B.验证假设条件C.增加样本量D.优化模型参数

7.在主成分分析中，主成分的排序依据是（）。

A.方差贡献率B.相关性系数C.偏度系数D.峰度系数

8.金融统计中，GARCH模型主要用于（）。

A.分析线性关系B.检测结构性变化C.预测波动率D.建立均值模型

9.在数据清洗中，处理缺失值的方法包括（）。

A.删除缺失值、插补法、多重插补B.线性回归、逻辑回归、决策树

C.支持向量机、神经网络、随机森林D.K-means聚类、层次聚类、DBSCAN

10.金融统计中，事件研究法主要用于（）。

A.分析公司治理结构B.评估市场情绪C.预测行业趋势D.检测内幕交易

二、多项选择题（本大题共5小题，每小题3分，共15分）

1.金融统计中，常用的风险度量指标包括（）。

A.VaRB.CVaRC.ESD.BetaE.Alpha

2.时间序列分析中，常见的模型包括（）。

A.AR模型B.MA模型C.ARIMA模型D.GARCH模型E.VAR模型

3.统计回归分析中，多重共线性问题可能导致的后果是（）。

A.回归系数不稳定B.模型预测误差增大C.解释变量显著性降低D.模型解释力下降E.随机误差项自相关

4.金融统计中，主成分分析的主要应用包括（）。

A.降低维度B.检测异常值C.识别潜在结构D.建立预测模型E.优化投资组合

5.数据清洗中，异常值处理方法包括（）。

A.删除异常值B.平滑处理C.替换异常值D.分箱处理E.建立异常值检测模型

三、判断题（本大题共10小题，每小题2分，共20分）

1.金融统计中，GDP平减指数是衡量通货膨胀的常用指标。（正确）

2.ARIMA模型需要估计的自回归参数和移动平均参数必须为正。（错误）

3.VaR模型假设资产收益率服从正态分布，因此适用于所有金融资产。（错误）

4.多重共线性问题会导致回归系数的方差增大，但不会影响模型的预测能力。（错误）

5.主成分分析通过线性组合原始变量，可以保留大部分信息，同时降低维度。（正确）

6.GARCH模型能够捕捉资产收益率的波动聚集性，因此常用于预测波动率。（正确）

7.数据清洗中，删除缺失值会导致样本量减少，但不会影响模型的整体性能。（错误）

8.事件研究法通过比较事件前后股票收益率的变化，评估事件的经济影响。（正确）

9.统计回归分析中，R平方值越高，模型的解释力越强。（正确）

10.金融统计中，时间序列分析主要用于短期预测，而横截面分析主要用于长期决策。（错误）

四、材料分析题（本大题共2小题，每小题10分，共20分）

材料一：

某银行在2024年进行了季度资产风险评估，采用VaR模型计算了投资组合的日VaR值。根据历史数据，该组合的日收益率服从正态分布，标准差为1.5%。假设无风险利率为2%，市场风险溢价为5%，该银行投资组合的初始规模为1000万元。

材料二：

某公司进行了2024年第三季度的财务分析，发现其应收账款周转率显著下降。通过主成分分析，提取了两个主成分，分别解释了应收账款周转率下降的主要因素：一是客户信用质量下降，二是账期延长。公司管理层决定通过加强信用审核和优化账期政策来改善情况。

问题：

1.根据材料一，计算该银行投资组合的日VaR值。（5分）

2.根据材料二，分析主成分分析结果的商业含义，并提出改进建议。（5分）

五、综合应用题（本大题共1小题，共25分）

材料一：

某证券公司在2024年收集了A股市场200只股票的月收益率数据，并希望建立统计模型预测未来一个月的市场走势。通过探索性数据分析，发现股票收益率存在明显的波动聚集性，且部分股票之间存在显著的相关性。

材料二：

该公司分析师认为，市场情绪对股票收益率有重要影响，并收集了相关数据，包括市场情绪指数（MSE）和行业因素。此外，分析师还注意到，部分股票的收益率序列存在自相关性，而不同行业的股票收益率波动性差异较大。

问题：

1.根据材料一和材料二，设计一个统计模型来预测股票收益率，并说明模型的适用性。（10分）

2.分析多重共线性问题对模型的影响，并提出解决方法。（5分）

3.结合市场情绪和行业因素，解释如何优化模型的预测能力。（10分）

答案部分：

一、单项选择题

1.C2.C3.A4.C5.A6.B7.A8.C9.A10.B

二、多项选择题

1.ABCDE2.ABCDE3.ABCDE4.ACE5.ABCDE

三、判断题

1.正确2.错误3.错误4.错误5.正确6.正确7.错误8.正确9.正确10.错误

四、材料分析题

1.日VaR值的计算：

VaR=Z*σ*√T*P

其中，Z为正态分布的分位数（假设置信水平为99%，Z=2.33），σ为日收益率标准差（1.5%），T为持有期（1天），P为投资组合规模（1000万元）。

VaR=2.33*1.5%*√1*1000万元=3.495万元

因此，该银行投资组合的日VaR值为3.495万元。

2.主成分分析结果的商业含义及改进建议：

主成分分析提取的两个主成分分别解释了应收账款周转率下降的主要因素：客户信用质量下降和账期延长。

改进建议：

-加强信用审核，提高客户信用质量，减少坏账风险。

-优化账期政策，缩短账期，提高资金周转效率。

-建立客户信用评级体系，动态监控客户信用状况。

五、综合应用题

1.统计模型设计：

考虑到股票收益率的波动聚集性和相关性，可以采用GARCH模型结合行业因素和市场情绪指数来预测股票收益率。具体模型可以表示为：

R_it=α_i+β_i*MSE_t+γ_i*F_it+ε_it

其中，R_it为第i只股票在t月的收益率，MSE_t为市场情绪指数，F_it为第i只股票所在行业的行业因素，ε_it为误差项。GARCH模型用于捕捉ε_it的波动聚集性。

该模型的适用性在于：

-GARCH模型能够捕捉股票收益率的波动聚集性，提高预测精度。

-结合市场情绪和行业因素，可以更全面地反映影响股票收益率的因素。

2.多重共线性问题及解决方法：

多重共线性问题可能导致回归系数不稳定，影响模型的解释力。解决方法包括：

-增加样本量，提高数据的多样性。

-使用岭回归或LASSO回归，通过正则化方法降低多重