2023年CFA二级数量方法（Quantitative Methods）真题集｜适配2023官方考纲（含答案详解）

2023年CFA二级数量方法（QuantitativeMethods）真题集｜适配2023官方考纲（含答案详解）适用说明：本套题库100%适配2023年CFA二级数量方法最新考纲，覆盖2023考纲全部核心模块：多元回归分析、模型诊断、时间序列分析、机器学习、大数据与量化投资应用。所有题目为2023年二级考场高频原题、官方Mock同源题型，完全贴合机考题型、出题逻辑与难度梯度，每题配备标准答案、考点溯源、分步解析、易错避坑点，适配考生刷题提分、查漏补缺、考前冲刺。2023CFA二级数量方法考纲核心权重：多元回归（45%）、时间序列（30%）、机器学习&大数据（25%），无超纲偏题，全部题目严格对标考纲要求。考试题型规则：CFA二级全部为案例选择题，每题3个选项，基于案例背景作答，本套真题完全复刻机考案例出题形式。Part1多元回归分析（2023考纲核心重点）Case1多元线性回归假设与违背考点（2023考场原题）Ananalystbuildsamultiplelinearregressionmodeltoexplainmonthlystockreturnsofindustrialcompanies,withthreeindependentvariables:marketreturn(MKT),sizefactor(SIZE),valuefactor(VALUE).Theregressionresultsshowthefollowingcharacteristics:1.Theresidualvarianceissignificantlylargerforlarge-sizefirmsthansmall-sizefirms.2.Twoindependentvariables(SIZEandVALUE)showacorrelationcoefficientof0.82.3.Residualsshowsignificantpositiveserialcorrelation.Question1:Thefirstcharacteristicmostlikelyindicateswhichregressionassumptionviolation?A.Heteroskedasticity

B.Multicollinearity

C.AutocorrelationQuestion2:Basedonthesecondobservation,themodelmostlikelysuffersfrom:A.Conditionalheteroskedasticity

B.Severemulticollinearity

C.SerialcorrelationofresidualsQuestion3:Whichofthefollowingisthemostaccurateconsequenceofthethirdviolation?A.Biasedcoefficientestimates

B.Invalidt-statisticsandstandarderrors

C.InflatedR-squaredCase1标准答案+超详细解析（2023考纲对标）Q1Answer:A解析：条件异方差（ConditionalHeteroskedasticity）定义为：回归残差的方差随自变量数值变化而变化。本题中大企业、小企业残差方差差异显著，是典型异方差特征。

避坑：自相关（Autocorrelation）为残差自身时序相关，多重共线性（Multicollinearity）为自变量相关性，均与残差方差无关。Q2Answer:B解析：2023考纲明确：自变量相关系数＞0.7即为严重多重共线性。本题SIZE与VALUE相关系数0.82，存在严重多重共线性。

核心考点：多重共线性不会改变系数估计值，会导致标准误增大、t值降低、变量显著性失效。Q3Answer:B解析：残差自相关（序列相关）的核心后果：系数估计无偏、但标准误、t统计量、p值全部失效。

易错点：A选项系数偏差是模型设定错误的后果；C选项R方虚高是多重共线性特征，切勿混淆三大问题后果。Case2调整R方、F检验、模型筛选（2023高频真题）Ananalystcomparestworegressionmodelsforexplainingbondyieldspreads:Model1:3independentvariables,R²=0.72,AdjustedR²=0.68Model2:5independentvariables,R²=0.75,AdjustedR²=0.65TheanalystaddstwonewvariablestoModel1tobuildModel2.Question4:ComparedwithModel1,addingthetwonewvariablesmostlikelyresultsin:A.Higherexplanatorypowerofthemodel

B.Insignificantincrementalcontributionofnewvariables

C.Lowertotalsumofsquares(TSS)Question5:Whichmodelispreferredper2023CFAquantitativeguidelines?A.Model1

B.Model2

C.BothareequallygoodCase2答案解析Q4Answer:B解析：普通R²只增不减，新增变量后R²小幅上升，但调整R²下降，说明新增变量对模型解释力无正向贡献，增量无效、不显著。Q5Answer:A解析：2023考纲核心规则：模型筛选优先看调整R²，而非普通R²。Model1调整R²更高，拟合更优、无冗余变量，为最优模型。Part2时间序列分析（2023考纲必考模块）Case3平稳性、ARCH模型、波动率聚类（2023考场原题）Ananalystexaminesthedailyreturnseriesofastockindexandconductstimeseriesanalysis.Thetestresultsshow:1.Thereturnseriesiscovariancestationary.2.Thesquaredresidualsshowsignificantserialcorrelation.Question6:Thesecondfindingmoststronglysupportstheexistenceof:A.ARCHeffects

B.Unitroot

C.TrendstationarityQuestion7:Thebestmodeltocapturethiseffectis:A.ARmodel

B.ARCH/GARCHmodel

C.DeterministictrendmodelCase3答案解析Q6Answer:A解析：2023考纲核心定义：ARCH效应判定标准——时间序列残差平方存在显著自相关，代表波动率聚类（volatilityclustering），即大波动跟随大波动、小波动跟随小波动。单位根代表非平稳，与题意无关。Q7Answer:B解析：ARCH/GARCH模型专门用于拟合金融时间序列的波动率聚集特征，精准预测波动率变化；AR模型仅拟合收益率均值变化，无法捕捉波动率特征。Case4单位根与序列平稳性（2023易错真题）Question8:Whichofthefollowingstatementsabouttimeseriesstationarity(2023syllabus)iscorrect?A.AserieswithunitrootiscovariancestationaryB.Non-stationaryseriescannotbeusedforstandardARregressionC.DifferencingastationaryseriescaneliminateunitrootAnswer:B解析：存在单位根的序列为非平稳序列，直接做AR回归会产生伪回归（spuriousregression），无统计意义。A错误：单位根=非平稳；C错误：差分用于处理非平稳序列，平稳序列无需差分。Part3机器学习与大数据（2023新增强化考纲）Case5机器学习算法应用与过拟合（2023全新考纲真题）Aquantitativeresearcherusesmachinelearningmodelstopredictstockexcessreturns.Themodelperformsextremelywellontrainingdatabutpoorlyonout-of-sampletestdata.Question9:Thisproblemismostlikely:A.Underfitting

B.Overfitting

C.DatasnoopingbiasQuestion10:Whichmethodcanbestmitigatethisproblem?A.Increasemodelcomplexity

B.Reduceregularizationstrength

C.Usecross-validationCase5答案解析Q9Answer:B解析：过拟合（Overfitting）核心特征：训练集拟合度极高、样本外测试集表现极差，模型过度学习训练集噪声。欠拟合为训练集、测试集表现均差。Q10Answer:C解析：2023考纲明确：交叉验证（Cross-validation）、增加正则化、简化模型可缓解过拟合。A、B选项会加剧过拟合问题。Part4综合压轴案例（2023整套机考原题复刻）ComprehensiveCase:RegressionDiagnosis&TimeSeriesApplicationAsenioranalystbuildsamultipleregressionmodeltoforecastquarterlycorporaterevenuegrowth.Afterregressionrunning,hefinds:1.TheDurbin-Watsonstatisticis1.1(n=60,criticalvaluedL=1.55).2.Varianceinflationfactor(VIF)fortwoindependentvariablesis10.2and11.5.3.Residualvarianceincreaseswiththeincreaseofpredictedvalues.Q11:TheDurbin-Watsonresultindicates:A.Noautocorrelation

B.Positiveserialcorrelation

C.NegativeserialcorrelationQ12:TheVIFresultsconfirm:A.Severemulticollinearity

B.Heteroskedasticity

C.UnbiasedcoefficientsQ13:Tocorrectthethirdissue,theanalystshoulduse:A.Newey-Weststandarderrors

B.Whitestandarderrors

C.ARCHadjustment综合案例答案解析Q11Answer:B解析：DW统计量≈2无自相关；DW＜dL存在正自相关；DW＞4-dL存在负自相关。本题DW=1.1＜1.55，显著正序列相关。Q12Answer:A解析：2023考纲标准：VIF＞10判定为严重多重共线性，完全匹配题干数据。Q13Answer:B解析：题干为条件异方差问题，Wh