尔雅时间序列分析_5章节答案(学习通2023题目答案)

点击查看答案

第二章 时间序列的尔雅预处理

第一次单元测验

1、自回归(autoregressive,时间 AR)模型由（ ）提出 A G. E. P. Box B G. M. Jenkins C G. U. Yule D Bollerslov
A、A
B、序列学习B
C、分析C
D、章节D

2、答案哪种时间序列分析方法是通题从序列自相关的角度来分析（ ） A 描述性时序分析 B 频域分析 C 时域分析方法 D 谱分析
A、A
B、目答B
C、尔雅C
D、时间D

3、序列学习频域分析方法与时域分析方法相比（ ） A. 前者要求较强的分析数学基础，分析结果比较抽象，章节易于进行直观解释。答案 B. 后者要求较强的通题数学基础，分析结果比较抽象，不易于进行直观解释。 C. 前者理论基础扎实，操作步骤规范，分析结果易于解释。 D. 后者理论基础扎实，操作步骤规范，分析结果易于解释。
A、A
B、B
C、C
D、D

4、关于严平稳与（宽）平稳的关系，不正确的为( ) A. 严平稳序列不一定是宽平稳序列 B. 当序列服从正态分布时，两种平稳性等价 C. 二阶矩存在的严平稳序列一定为宽平稳的 D. 独立同分布的随机变量序列一定是宽平稳的
A、A
B、B
C、C
D、D

5、下列哪项属于平稳时间序列的自相关图特征？（ ） A. 自相关系数很快衰减为零 B. 自相关系数衰减为零的速度缓慢 C. 自相关系数一直为正 D. 在相关图上，呈现明显的三角对称性
A、A
B、B
C、C
D、D

6、利用时序图对时间序列的平稳性进行检验，下列说法正确的是（ ） A. 如果时序图呈现明显的递增态势，那么这个时间序列就是平稳序列。 B. 如果时序图呈现明显的周期态势，那么这个时间序列就是平稳序列。 C. 如果时序图总是围绕一个常数波动，而且其波动范围有限，那么这个时间序列是平稳序列。 D. 通过时序图不能够精确判断一个序列的平稳与否。
A、A
B、B
C、C
D、D

7、纯随机序列的说法，错误的是（ ） A. 纯随机序列是没有分析价值的序列 B. 纯随机序列的均值是零，方差是定值 C. 不同的时间序列平稳性检验，其延迟期数要求也不同 D. 由于观察值序列的有限性，纯随机序列的样本自相关系数不会绝对为零
A、A
B、B
C、C
D、D

8、对矩估计的评价，不正确的是（ ） A. 估计精度好 B. 估计思想简单直观 C. 不需要假设总体分布 D. 计算量小(低阶模型场合)
A、A
B、B
C、C
D、D

9、常见的时间序列分析方法包括（ ） A 描述性时序分析 B 频域分析 C 时域分析方法 D 谱分析
A、A
B、B
C、C
D、D

10、时域方法的特点包括 ( ) A 理论基础扎实 B 操作简单、直观有效 C 操作步骤规范 D 分析结果易于解释
A、A
B、B
C、C
D、D

11、下面属于自相关系数性质的是（ ） A 规范性 B 对称性 C 负定性 D 对应模型的唯一性
A、A
B、B
C、C
D、D

12、
A、A
B、B
C、C
D、D

13、时间序列数据是按照时间顺序收集的一组数据。（ ）

14、频域分析方法是从序列自相关的角度揭示时间序列的发展规律。（ ）

15、特征统计量可以描述随机序列的所有统计性质。（ ）

16、严平稳的时间序列一定是宽平稳序列. （ ）

17、宽平稳正态时间序列一定是严平稳时间序列. （ ）

18、一个平稳时间序列一定唯一决定了它的自相关系数，反过来，一个自相关系数也唯一对应一个平稳时间序列. （ ）

19、平稳时间序列的自协方差函数和自相关系数只依赖于时间的平移长度而与时间的起止点无关。（ ）

20、白噪声序列一定是平稳序列。（ ）

第三章 平稳时间序列分析

第二次单元测验

1、
A、A
B、B
C、C
D、D

2、
A、A
B、B
C、C
D、D

3、
A、A
B、B
C、C
D、D

4、
A、A
B、B
C、C
D、D

5、
A、A
B、B
C、C
D、D

6、
A、A
B、B
C、C
D、D

7、
A、A
B、B
C、C
D、D

8、
A、A
B、B
C、C
D、D

9、
A、A
B、B
C、C
D、D

10、
A、A
B、B
C、C
D、D

11、
A、A
B、B
C、C
D、D

12、
A、A
B、B
C、C
D、D

13、
A、A
B、B
C、C
D、D

14、对平稳时间序列模型矩估计方法评价正确的是 （ ） A 估计精度高 B 估计思想简单直观 C 不需要假设总体分布 D 计算量小
A、A
B、B
C、C
D、D

15、下列属于模型优化方法的有（ ） A 残差方差图定阶法 B F检验定阶法 C 最佳准则函数定阶法 D 最小二乘估计法
A、A
B、B
C、C
D、D

16、SBC准则有较强的一致性，但不具有有效性，而AIC准则并不具有一致性，但更具有有效性。

17、模型平稳，则对应的满足模型的序列也平稳。

18、方差存在且有界的MA模型生成的序列总是平稳的。

19、在金融领域当中有很多冲击效应现象存在，这种现象适合用AR模型来拟合。

20、自相关图里拖尾的原因有可能是用样本估计总体参数时有误差。

21、平稳AR模型自相关系数具有截尾性，偏自相关系数具有拖尾性。

22、两个不同的MA模型可以具有相同的自相关图。

23、不可逆的MA模型的偏自相关系数也具有拖尾性。

24、线性最小均方误差预测是无偏的预测。

25、最小均方误预测误差的方差和预测步长有关，而和预测的时间原点无关。

第四章 非平稳序列的随机分析

第三次单元测验

1、如果一个时间序列中蕴含有季节效应，我们需要采取的平稳化方法是（ ） A一阶差分 B 4阶差分 C 4步差分 D 二阶差分
A、A
B、B
C、C
D、D

2、
A、A
B、B
C、C
D、D

3、
A、A
B、B
C、C
D、D

4、在对残差序列进行自相关检验时，若计算的DW统计量为2，则表明残差序列（ ） Ａ、不存在一阶序列相关 Ｂ、存在一阶正序列相关 　 Ｃ、存在一阶负序列相关 　Ｄ、存在高阶序列相关
A、A
B、B
C、C
D、D

5、
A、A
B、B
C、C
D、D

6、当回归因子包含延迟因变量时，检验残差序列自相关性的检验统计量是（ ） A DW检验统计量 B Durbin h检验统计量 C t 检验统计量 D F 检验统计量
A、A
B、B
C、C
D、D

7、含有线性趋势的时间序列是（ ） A平稳时间序列 B 非平稳时间序列 C 差分平稳序列 D 差分非平稳序列
A、A
B、B
C、C
D、D

8、随机游走过程是（ ） A平稳过程 B 非平稳过程 C 方差齐性过程 D 差分平稳过程
A、A
B、B
C、C
D、D

9、
A、A
B、B
C、C
D、D

10、
A、A
B、B
C、C
D、D
E、E

11、
A、A
B、B
C、C
D、D
E、E

12、ARIMA(1,1,1)模型是（ ） A 非平稳时间序列模型 B 平稳时间序列模型 C 差分平稳模型 D 方差齐性模型 E 方差非齐性模型
A、A
B、B
C、C
D、D
E、E

13、平稳时间序列差分后还是平稳时间序列。（ ）

14、非平稳过程的方差都是非齐性的。（ ）

15、非平稳序列一阶差分后可转化为平稳序列。（ ）

16、

17、DW检验不适用于回归因子包含滞后因变量时残差序列的自相关性检验。（ ）

18、GARCH模型可以转化为无穷阶的ARCH模型。（ ）

19、ARCH模型是对非平稳的残差序列建立的模型。（ ）

20、GARCH模型比ARCH模型在实际应用中更为广泛。（ ）

21、ARCH模型可以刻画厚尾分布的数据。（ ）

22、Durbin h 检验常用于回归因子包含滞后因变量时残差序列的自相关性检验。（ ）

第五章 非平稳序列的确定性分析

第四次单元测验

1、因素分解方法最早由统计学家（ ）提出。 A Persons B Brown C Meyer D Holt
A、A
B、B
C、C
D、D

2、移动平均方法最早由数学家（ ）提出。 A Shiskin B Young C De Forest D Musgrave
A、A
B、B
C、C
D、D

3、某产品1-5月的销售量为 46，50，59，57，55，采用3期简单移动平均对第6月的销售量做预测，则预测值为 （ ） A 55 B 57 C 56 D 52.5
A、A
B、B
C、C
D、D

4、已知某公司前16期的销售额为 97，95，95，92，95，95，98，97，99，95，95，96，97，98，94，95。选用平滑系数0.1对第17期销售额做预测，则预测值为 （ ） A 94.94 B 95 C 95.8 D 96.09
A、A
B、B
C、C
D、D

5、时间序列通常会受到哪些因素的影响（ ） A长期趋势 B 季节变化 C 随机波动 D 循环波动
A、A
B、B
C、C
D、D

6、常用的因素分解模型有（ ） A 乘法模型 B 伪加法模型 C 加法模型 D 对数加法模型
A、A
B、B
C、C
D、D

7、在X-11中通常使用哪些移动平均方法（ ） A 简单中心移动平均 B 简单移动平均 C Henderson加权移动平均 D Musgrave非对称移动
A、A
B、B
C、C
D、D

8、X-12-ARIMA模型是由（ ）提出 Ａ Box Ｂ Findley Ｃ Monsell Ｄ Jenkins E Henderson
A、A
B、B
C、C
D、D

9、简单中心移动平均能有效的消除季节效应。

10、简单指数平滑法可以很好的预测含有趋势性的时间序列。

11、指数平滑法中平滑系数越小预测效果越好。

12、Henderson加权移动平均能有效的提取三次函数信息。

第六章 多元时间序列分析

第五次单元测验

1、
A、A
B、B
C、C
D、D

2、
A、A
B、B
C、C
D、D

3、
A、A
B、B
C、C
D、D

4、
A、A
B、B
C、C
D、D

5、
A、A
B、B
C、C
D、D

6、非平稳过程都是单位根过程。

7、单位根过程都是非平稳过程。

8、有协整关系的两个变量序列一定是同阶单整的。

9、

10、

期末考试

期末考试

1、
A、A
B、B
C、C
D、D

2、
A、A
B、B
C、C
D、D

3、
A、A
B、B
C、C
D、D

4、
A、A
B、B
C、C
D、D

5、
A、A
B、B
C、C
D、D

6、若有非平稳序列经过自回归拟合后，其残差序列表现出互不相关，但是残差的平方序列存在显著的相关性，此时应该考虑建立（ ）。 A ARIMA模型 B 残差自回归模型 C ARCH模型 D 确定性因素分解模型
A、A
B、B
C、C
D、D

7、下列检验中，不属于平稳性检验的是 （ ） A. DF检验 B. ADF检验　 C. Portmanteau Q检验 D. PP检验
A、A
B、B
C、C
D、D

8、产生虚假回归的原因是（ ） A. 异方差性　 B. 自相关性　 C. 非平稳性 D. 随机解释变量
A、A
B、B
C、C
D、D

9、关于时间序列建模，说法正确的为 （ ） A AR模型生成的序列都是平稳的 B 方差存在且有界的MA模型生成的序列不一定都是平稳的 C ARMA模型生成的序列都是平稳的 D 序列的样本自相关系数的取值不绝对为0有可能是样本估计导致的
A、A
B、B
C、C
D、D

10、关于严平稳与宽平稳的关系，正确的为（ ） A 严平稳序列一定是宽平稳序列 B 当序列服从正态分布时，两种平稳性等价 C 宽平稳序列一定是严平稳序列 D 宽平稳序列的二阶矩一定存在
A、A
B、B
C、C
D、D

11、下列模型中没有对条件方差进行建模的模型有（ ） A. ARIMA模型 B. 残差自回归模型 C. 确定性因素分解模型 D. ARCH模型
A、A
B、B
C、C
D、D

12、检验序列纯随机性的检验方法有（ ） A. Box-Pierce Q检验 B. Box-Ljung LB检验 C. DF检验 D. EG检验
A、A
B、B
C、C
D、D

13、12. 对于非平稳时间序列进行差分，说法正确的是（ ） A 过度差分会使得样本容量减少 B 过度差分会使方差变大 C 序列蕴含着非线性趋势时，通常1阶差分就可以提取出曲线趋势的影响 D 随机游走序列的差分是非平稳序列
A、A
B、B
C、C
D、D

14、下列选项属于非平稳序列的确定性分析方法的有 （ ） A. 基于残差自回归模型的方法 B. 移动平均方法 C. 构造季节指数、季节偏差的方法 D. X-11季节调整模型
A、A
B、B
C、C
D、D

15、
A、A
B、B
C、C
D、D

16、白噪声序列是非平稳序列

17、两个不同的MA模型其自相关图一定不同。

18、时间序列数据相比较截面数据更容易出现自相关性。

19、DW检验一定能给出序列是否存在相关性的检验结果。

20、

21、Henderson加权移动平均能有效的提取二次函数信息。

22、GARCH模型可以有效拟合长阶的ARCH模型。

23、指数平滑法中平滑系数越小预测效果越好。

24、单位根过程都是非平稳过程。

25、两个单整阶数不同的序列之间不可能存在协整关系。

26、

27、时间序列分析方法有（ ）

28、

29、

30、

期末考试

1、

2、

3、

学习通时间序列分析_5

在前面的几篇文章中，我们已经介绍了时间序列分析的基本概念、ARIMA模型、季节性调整等内容。本篇文章将继续介绍时间序列分析中的另一个重要内容：指数平滑。

一、指数平滑的概念

指数平滑是一种常用的时间序列预测方法，其基本思想是通过加权平均的方式对历史观测数据进行平滑处理，以便更好的反映出序列的趋势和季节性等特征。其中，加权系数的选择是指数平滑的关键。

指数平滑分为简单指数平滑和双重指数平滑两种。

二、简单指数平滑

简单指数平滑是最常用的指数平滑方法，其计算公式为：

t=(1-α)Y_t-1+αS_t-1

其中，S_t表示时间t的平滑值，Y_t-1表示时间t-1的观测值，S_t-1表示时间t-1的平滑值，α表示平滑系数，取值范围为0~1。当α取值较小时，平滑值对历史观测值的依赖性较小，平滑的效果较好；当α取值较大时，平滑值对历史观测值的依赖性较大，平滑的效果较差。

简单指数平滑的优点是计算简便，适用范围广，但其局限性也比较明显，主要表现在以下几个方面：

1. 简单指数平滑只能对不存在季节性和趋势性变化的序列进行平滑处理。
2. 简单指数平滑只能对未来单一时点的观测值进行预测，对于预测区间较长的序列，其预测精度较低。
3. 简单指数平滑容易受到极端值的影响，其平滑效果可能会因此受到一定影响。

三、双重指数平滑

双重指数平滑是一种针对具有趋势性序列的平滑预测方法，其平滑值的计算公式为：

t=αY_t+(1-α)(S_t-1+B_t-1)

t=β(S_t-S_t-1)+(1-β)B_t-1

其中，S_t表示时间t的平滑值；Y_t表示时间t的观测值；B_t表示时间t的趋势量；α和β分别表示平滑系数和趋势系数，取值范围均为0~1。

双重指数平滑的优点是可以较好地适应趋势性序列的预测，并且相对于简单指数平滑，其对极端值的敏感性也较小。但其缺点是对于存在季节性变化的序列，其预测效果可能并不是最佳的。

四、指数平滑的应用

指数平滑在实际的时间序列分析中应用广泛，主要包括以下几个方面：

1. 对于无法使用ARIMA模型来进行预测的序列，可以使用指数平滑方法进行预测。
2. 对于存在明显趋势性的序列，可以使用双重指数平滑方法进行预测。
3. 指数平滑方法也可以用于对序列的周期性变化进行预测。
4. 指数平滑方法同样适用于对价格、销售额等非时间序列变量的预测。

五、总结

指数平滑是一种常用的时间序列预测方法，其通过加权平均的方式对历史观测数据进行平滑处理，以便更好的反映出序列的趋势和季节性等特征。指数平滑分为简单指数平滑和双重指数平滑两种，各有其适用范围和局限性。在实际的时间序列分析中，指数平滑方法被广泛使用，可以对各种类型的序列进行预测。