中国大学应用时间序列分析答案(慕课2023完整答案)

分类: 学习通答案发布于:2024-06-02 14:16:10ė61307次浏览629条评论

中国大学应用时间序列分析答案(慕课2023完整答案)

第二章 时间序列的中国预处理

第一次单元测验

1、自回归(autoregressive,大学答案答案 AR)模型由( )提出 A G. E. P. Box B G. M. Jenkins C G. U. Yule D Bollerslov
A、A
B、应用B
C、时间C
D、序列D

2、分析哪种时间序列分析方法是慕课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、完整B
C、中国C
D、大学答案答案D

3、应用频域分析方法与时域分析方法相比( ) A. 前者要求较强的时间数学基础,分析结果比较抽象,序列易于进行直观解释。分析 B. 后者要求较强的慕课数学基础,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。

中国大学应用时间序列分析

时间序列分析是指对一系列观测数据按时间顺序进行分析和预测的方法。在经济学、金融学、管理学、统计学等领域中,时间序列分析被广泛应用于各种预测和决策问题中。

中国大学的时间序列分析

近年来,中国大学对时间序列分析的研究和应用也逐渐兴起。在经济学、金融学、管理学等领域中,中国的大学开始应用时间序列分析来解决各种实际问题。

时间序列分析在经济学中的应用

经济学是时间序列分析最早和最重要的应用领域之一。在中国大学中,经济学系和数学系的教授和学生们,都在探索如何将时间序列分析应用于宏观经济和微观经济的预测和决策中。

时间序列分析在宏观经济中的应用包括:经济周期的预测、通货膨胀率的预测、国内生产总值的预测等。在微观经济中的应用包括:企业销售额的预测、企业利润的预测、股票价格的预测等。

时间序列分析在金融学中的应用

金融学是另一个广泛应用时间序列分析的领域。在中国大学中,金融学系和数学系的教授和学生们,都在探索如何将时间序列分析应用于股票价格、外汇汇率、利率等金融问题的预测和决策中。

时间序列分析在金融学中的应用包括:股票价格的预测、外汇汇率的预测、利率的预测和股票投资组合的构建等。

时间序列分析在管理学中的应用

管理学是另一个重要的应用领域。在中国大学中,管理学系的教授和学生们,都在探索如何将时间序列分析应用于企业经营和市场营销中。

时间序列分析在管理学中的应用包括:企业销售额的预测、品牌效应的分析、市场份额的预测等。

时间序列分析的局限性

时间序列分析虽然在各个领域中都有广泛的应用,但它也存在一些局限性。时间序列分析的数据必须是连续的,而不能是断续的;数据必须是稳定的,而不能存在太多的异常值;数据必须是有序的,而不能乱序。

此外,时间序列分析也不能解决所有的问题。对于一些复杂的问题,时间序列分析可能需要与其他方法结合使用才能得出有效的预测和决策。

结论

中国大学的应用时间序列分析的研究和应用已经取得了一定的进展。在未来,我们相信时间序列分析将会成为更多领域中的重要工具,帮助人们解决各种实际问题。



Ɣ回顶部