实证金融方法考试题目与答案

实证金融方法考试题目与答案考试时间：______分钟总分：______分姓名：______一、选择题（本大题共10小题，每小题2分，共20分。在每小题列出的四个选项中，只有一项是最符合题目要求的，请将正确选项字母填在题后的括号内。）1.在进行描述性统计时，衡量数据离散程度的指标不包括：A.均值B.标准差C.变异系数D.中位数2.在普通最小二乘法（OLS）估计中，核心假设之一是：A.解释变量与误差项相关B.误差项方差为零C.误差项具有零均值和同方差D.解释变量之间存在完全多重共线性3.如果一个多元线性回归模型的残差呈现明显的系统性模式（如曲线），这表明：A.模型存在异方差B.模型存在序列相关C.模型设定不当（遗漏变量或包含无关变量）D.样本量太小4.在事件研究法中，通常将事件发生日之前的一段时间定义为：A.事件窗口B.估计窗口C.调整窗口D.事件窗口和估计窗口的重叠部分5.对于时间序列数据，如果观测值之间存在自相关，则称其具有：A.多重共线性B.异方差性C.序列相关性D.随机游走特征6.在检验资本资产定价模型（CAPM）的假设时，Fama-French三因子模型可以被视为对其的：A.替代B.修正C.扩展D.证伪7.使用面板数据估计固定效应模型时，其核心思想是控制哪些因素：A.常数项B.个体特定但不随时间变化的遗漏变量C.时间特定但不随个体变化的遗漏变量D.随个体和时间变化的遗漏变量8.在进行回归分析时，如果解释变量中包含了被解释变量的滞后项，这种模型称为：A.工具变量模型B.分布滞后模型C.自回归模型D.面板数据模型9.下列哪种统计检验适用于检验回归模型中某个解释变量的系数是否显著不为零：A.F检验B.t检验C.卡方检验D.Z检验10.如果一个实证研究的主要目的是检验某个市场异象是否存在，那么最可能采用的研究方法是：A.描述性统计B.回归分析C.事件研究法D.时间序列分析二、多项选择题（本大题共5小题，每小题2分，共10分。在每小题列出的五个选项中，有多项是符合题目要求的，请将正确选项字母填在题后的括号内。多选、少选或错选均不得分。）1.下列哪些属于回归分析中常用的模型设定检验方法：A.残差图分析B.RamseyRESET检验C.Breusch-Pagan检验D.White检验E.Fisher检验2.事件研究法中，计算异常收益率（AR）通常需要用到：A.模型预测的预期收益率B.市场基准收益率C.事件窗口内各交易日的实际收益率D.估计窗口内样本的均值收益率E.事件发生日3.时间序列分析中，ARIMA(p,d,q)模型参数的含义是：A.p：自回归项数B.d：差分次数C.q：移动平均项数D.p：差分次数E.q：自回归项数4.面板数据分析中，固定效应模型与随机效应模型的主要区别在于：A.对个体效应的假设不同B.对时间效应的假设不同C.模型的估计方法不同D.对解释变量与个体效应之间相关性的假设不同E.对残差项同方差的假设不同5.下列哪些现象或方法与行为金融学相关：A.过度自信B.群体心理C.有效市场假说D.投资组合理论E.资本资产定价模型三、简答题（本大题共4小题，每小题5分，共20分。请简要回答下列问题。）1.简述异方差性对普通最小二乘法（OLS）估计量产生什么影响。2.解释什么是事件研究法，并简述其主要步骤。3.什么是面板数据？与截面数据和时间序列数据相比，面板数据有什么优势？4.简述检验时间序列数据平稳性的常用方法。四、计算题（本大题共2小题，每小题10分，共20分。请根据题目要求进行计算和分析。）1.某研究者估计了一个简单的线性回归模型，得到以下结果（标准误已省略）：资产收益率=0.05+1.2*市场指数收益率解释变量市场指数收益率的系数的标准误为0.4。请问：(1)当市场指数收益率增加1%时，该资产的预期收益率变化多少？(2)市场指数收益率对资产收益率的影响是否在统计上显著？（请说明理由）(3)解释系数1.2的经济含义。2.假设你收集了某公司过去5年的年度数据，包括公司收益率（Rit）和市场指数收益率（Rmt）。你估计了以下的CAPM模型：Rit=αi+βi*Rmt+εit得到的估计结果为（系数及标准误已省略）：αi=0.03,βi=1.1。请问：(1)根据你的估计，该公司的系统性风险（以β衡量）是多少？(2)如果市场指数的预期收益率为10%，无风险利率为2%，那么根据你的模型，该公司的预期收益率是多少？(3)请指出该模型估计结果可能存在哪些潜在问题，并简述如何检验。五、论述题（本大题共1小题，共20分。请根据题目要求进行论述。）结合你所学知识，论述在进行实证金融研究时，如何选择合适的模型（例如，OLS模型、固定效应模型、随机效应模型、时间序列模型等），并说明模型选择不当可能带来的后果。试卷答案一、选择题1.A解析：均值是衡量数据中心趋势的指标，不属于离散程度指标。标准差、变异系数是衡量数据离散程度的指标。2.A解析：OLS的核心假设包括：线性关系、解释变量非随机、零均值误差项、同方差性、无完全多重共线性。解释变量与误差项相关违背了零均值误差项的假设。3.C解析：残差呈现明显的系统性模式，如曲线，通常表明模型遗漏了重要的解释变量或包含了无关变量，导致模型设定存在偏差。4.B解析：在事件研究法中，估计窗口用于估计正常收益率模型，其之前的时间段（通常为事件发生日前30-120天）是估计窗口。5.C解析：时间序列数据中，如果观测值之间存在自相关，即当前时期的误差与过去时期的误差相关，则称其具有序列相关性。6.C解析：Fama-French三因子模型在CAPM的基础上增加了规模因子和账面市值比因子，是对CAPM模型的扩展，旨在解释更多股票收益率的差异。7.B解析：固定效应模型通过引入个体固定效应来控制那些不随时间变化但可能影响被解释变量的个体特定因素。8.C解析：自回归模型是指模型中包含了被解释变量自身滞后值的回归模型。9.B解析：t检验用于检验回归模型中单个系数估计量是否显著异于零。10.C解析：事件研究法专门用于检验事件对证券收益率的短期影响，适用于检验市场异象是否存在。二、多项选择题1.A,B,C,D解析：残差图分析是直观检查模型设定问题的方法。RamseyRESET检验、Breusch-Pagan检验和White检验都是用于检验回归模型设定是否正确的统计检验方法。2.A,B,C解析：异常收益率（AR）=实际收益率-模型预测的预期收益率=实际收益率-(α+β*市场基准收益率)。因此需要实际收益率、模型预测的预期收益率（包含α和β以及市场基准收益率）和市场基准收益率。3.A,B,C解析：ARIMA(p,d,q)模型中，p表示自回归项数（AR项数），d表示差分次数，q表示移动平均项数（MA项数）。4.A,D解析：固定效应模型假设个体效应与解释变量相关，而随机效应模型假设个体效应与解释变量不相关。这是两者最核心的区别。两者都假设时间效应（如果模型包含时间效应）与解释变量不相关，并假设残差项同方差。5.A,B解析：过度自信和群体心理是行为金融学中常见的认知偏差和情绪影响。行为金融学挑战有效市场假说和传统投资组合理论。三、简答题1.异方差性是指回归模型的残差项的方差不再是恒定的，而是随着解释变量的变化而变化。在存在异方差性的情况下，OLS估计量仍然是无偏的，但不再是有效的（即存在更有效的估计量），并且基于OLS估计量的标准误进行的t检验、F检验等统计检验将不再可靠（通常导致高估系数的显著性）。2.事件研究法是一种计量经济学方法，用于估计事件对证券（或资产组合）异常收益率的影响。主要步骤包括：①确定事件日和事件窗口；②选择合适的正常收益率模型（如CAPM）；③在估计窗口利用历史数据估计正常收益率模型参数；④计算事件窗口内各期的异常收益率（AR）；⑤对异常收益率进行统计检验（如t检验），以判断事件是否对证券收益率产生了显著影响。3.面板数据是指同时包含多个个体（如公司、国家）在多个时期（如年份）上的数据。与仅包含截面数据（不同个体在同一时期）或仅包含时间序列数据（同一个体在不同时期）相比，面板数据的主要优势在于：①可以控制个体特定效应和时间特定效应，从而得到更有效的估计结果；②可以进行更丰富的分析，如混合效应模型、固定效应模型、随机效应模型等；③可以研究个体行为随时间的变化以及个体间的异质性。4.检验时间序列数据平稳性的常用方法包括：①图形法：绘制时间序列图，观察数据是否具有明显的趋势、季节性或周期性，平稳时间序列图通常呈现随机波动状态。②单位根检验：如Dickey-Fuller检验（DF检验）、AugmentedDickey-Fuller检验（ADF检验）、Phillips-Perron检验（PP检验）等，这些检验通过检验时间序列是否存在单位根来判断其平稳性。③ADF检验通常比DF检验有更好的小样本性质。四、计算题1.(1)当市场指数收益率增加1%时，该资产的预期收益率将增加1.2%。系数1.2表示市场指数收益率每变化1%，资产收益率预期变化1.2%。(2)市场指数收益率对资产收益率的影响在统计上显著。理由是：解释变量系数（1.2）的估计标准误为0.4，计算t统计量t=系数/标准误=1.2/0.4=3.0。通常，如果t统计量的绝对值大于临界值（如1.96或2.58），则拒绝原假设（系数为零）。t=3.0大于1.96，因此在5%显著性水平下拒绝原假设，系数显著不为零。(3)系数1.2的经济含义是，市场指数收益率每变化1个单位（百分比点），该资产的收益率预期变化1.2个单位（百分比点），这反映了该资产收益率对市场指数变动的敏感度或联动性。2.(1)根据你的估计，该公司的系统性风险（以β衡量）是1.1。β=1.1表示该公司收益率对市场指数收益率的反应是市场指数收益率的1.1倍。(2)根据模型，该公司的预期收益率E(Rit)=αi+βi*E(Rmt)=0.03+1.1*10%=0.03+0.11=0.14，即14%。或者使用实际的市场指数预期收益率E(Rmt)=10%和无风险利率Rf=2%，预期收益率E(Rit)=Rf+βi*[E(Rmt)-Rf]=2%+1.1*(10%-2%)=2%+1.1*8%=2%+8.8%=10.8%。注意：这里使用了市场风险溢价E(Rmt)-Rf=8%。题目中只给出了E(Rmt)=10%和Rf=2%，若要求基于CAPM的预期收益率，通常需要市场风险溢价，即E(Rit)=Rf+βi*[E(Rm)-Rf]，题目未给出E(Rm)-Rf，故按给出的α+βE(Rmt)计算得到14%是更直接的解读。但如果理解为要求基于CAPM标准形式E(Rit)=Rf+βi*[E(Rm)-Rf]，则需要假设E(Rm)-Rf的值，或者认为题目信息不足。此处按α+βE(Rmt)计算结果14%。(3)该模型估计结果可能存在以下潜在问题：①模型设定错误：可能遗漏了重要的解释变量（如公司规模、账面市值比等因子），或者包含了与被解释变量不相关的解释变量。②残差项非同方差性：公司收益率可能存在异方差性。③残差项序列相关：公司收益率可能存在自相关性。④样本量问题：样本量可能过小，影响估计的精确性。检验方法：-检验模型设定：可以使用RamseyRESET检验、F检验（检验所有解释变量之外的平方项和交叉乘积项）。-检验异方差性：可以使用Breusch-Pagan检验、White检验。-检验序列相关：可以使用Durbin-Watson检验、Breusch-Godfrey检验。-样本量大小需要根据具体情况判断。五、论述题在进行实证金融研究时，选择合适的模型是一个关键步骤，需要综合考虑研究问题、数据特性、理论基础和模型假设等多个方面。首先，要明确研究目的。是为了检验某个经济理论（如CAPM），还是为了解释某个现象（如股票收益率的驱动因素），或是预测未来趋势。不同的目的可能导向不同的模型。例如，检验理论通常使用事件