成都信息工程学院考试试卷2012——2013学年第2学期课程名称:《金融时间序列分析》班级：金保111本01、02、03班试卷形式：开卷闭卷口试题一二三四五六总分得分一、判断题（每题1分，正确的在括号内打V,错误的在括号内打X,共15分）1．模型检验即是平稳性检验（）。2．模型方程的检验实质就是残差序列检验（）。3．矩法估计需要知道总体的分布（）。4.ADF检验中：原假设序列是非平稳的（）。5.最优模型确定准则：AIC值越小、SC值越大，说明模型越优（）。6.对具有曲线增长趋势的序列，一阶差分可剔除曲线趋势（）。7.严平稳序列与宽平稳时序区分主要表现在定义角度不同（）。8.某时序具有指数曲线增长趋势时，需做对数变换，才能剔除曲线趋势（）。9.时间序列平稳性判断方法中ADF检验优于序时图法和自相关图检验法（）。10.时间序列的随机性分析即是长期趋势分析（）。11.ARMA（p,q）模型是ARIMA（p,d,q）模型的特例（）。12.若某序列的均值和方差随时间的平移而变化，则该序列是非平稳的（）。13.MA（2）模型的3阶偏自相关系数等于0（）14.ARMA（p,q）模型自相关系数p阶截尾，偏自相关系数拖尾（）15.MA（q）模型平稳的充分必要条件是关于后移算子B的q阶移动自回归系数多项式根的绝对值均在单位圆内（）。二、填空题。（每空2分，共20分）1.X满足ARMA（1,2）模型即：X=0.43+0.34X+8+0.8£-0.2£，则均值ttt—1tt—1t—2=，q（即一阶移动均值项系数）=。2.设｛x｝为一时间序列，B为延迟算子，则B2X=。tt3._________________________________________________________在序列y的view数据窗，选择功能键，可对序列y做ADF检验。4.___________________________________________________________________若某平稳时序的自相关图拖尾，偏相关图1阶截尾，则该拟合模型。5.已知AR(1)模型：X+0.8X=8,8服从N(0,0.36),则一阶自相关系数=tt-1tt万差=。6.用延迟算子表示中心化的AR(p)模型。7.____________________________________________差分运算的实质是使用方式，提取确定性信息。&ARIMA(0,1,0)称为模型。三、问答题。(共10分)1.平稳时间序列的统计特征。2．简述时域分析法分析步骤。是白噪t四、计算题。（40分）1.（10分）已知ARMA（1,1）模型即：X=0.6X+8—0.3£，其中,tt—1tt—1声序列，试求：（1）模型的平稳可逆性；（2）将该模型等价表示为无穷阶MA模型形式。2.（10分）设有AR（2）过程：（1—0.5B）（1—0.3B）X=£，其中，£是白噪声序列,ttt试求P（其中，k=l,2）。k3.（10分）某时间序列Y有500个观测值，经过计算，样本自相关系数和偏自相关系数t的前10个值如下表：试（1）对｛Y｝所属模型进行初步识别；（2）给出该模型的参数t估计；（3）写出模型方程；（护：偏自相关系数；J:自相关系数）kkkkkkApkkkkApk1-0.47-0.4760.040.0220.06-0.217-0.04-0.013-0.07-0.1880.06-0.0640.04-0.109-0.050.0150.00-0.05100.010.004.(10分)已知某ARMA(2,1)模型为：X=0.8X-0.5X+8-0.3£，给定X=tt—1t—2tt—1t—3八八-1,X=2,X=2.5,X=0.6；8=-0.28,8=0.4,8=0。求X(1),X(2)。t-2t-1ttt—1t—2tt五、综合分析题。（15分）1.（5分）序列｛y」的时间序列图和ADF检验结果如下:IM加理4Q99W?WAugmentedDickey-FullerUnKRovtTMtonDDLGDPADFTealStatislic-4.540B141%CrHicalValue*-3.70765%CriticalValue-2刃冏|Q%CrilrcalValue-2&290■^MacKinnoncriticalvaluesforr&jgctior*ofhypcithasi?pfaunitroot问：该序列是否平稳，为什么？（2）要使其平稳化，应对该序列进行哪些差分处理;2.(5分)对某序列｛y｝做参数估计，结果如表2示:VariableCoefficientStd.Errort—StatisticProb.AR(1)0.9078550.04484220.245450.0000MA(1)-0.9340430.038226—24.43470.0000R—squared0.318165Meandependentvar4.983333AdjustedR—squared0.298111S.D.dependentvar&970762S.E.ofregression7.515597Akaikeinfocriterion6.925791Sumsquaredresid1920.463Schwarzcriterion7.013764Loglikelihood—122.6642F—statistic11.86545Durbin—Watsonstat2.041612Prob(F—statistic)0.000340InvertedMARoots—.71(1)写出模型；(2)模型的参数检验是否通过？为什么？3.（5分）某序列的残差序列的自相关图和偏自相关图如下：2I1861.0-0.50.00.5E0-1.0-0.50.00.51,0殛差ACF残茏PACF（1）序列｛yj残差检验的基本原理；（2）有何结论？为
