時(shí)間序列分析方法智慧樹知到課后章節(jié)答案2023年下哈爾濱工業(yè)大學(xué)

時(shí)間序列分析方法智慧樹知到課后章節(jié)答案2023年下哈爾濱工業(yè)大學(xué)哈爾濱工業(yè)大學(xué)

第一章測試

英國的工業(yè)革命所進(jìn)行的時(shí)間是（）。

答案:

18世紀(jì)60年代到19世紀(jì)上半期

時(shí)間序列通常會(huì)受到哪些因素的影響（）。

答案:

長期趨勢;循環(huán)波動(dòng);季節(jié)變化;隨機(jī)波動(dòng)

時(shí)間序列分析有助于比較兩個(gè)或多個(gè)序列。（）

答案:

錯(cuò)

可以應(yīng)用時(shí)間序列模型準(zhǔn)確地通過對(duì)歷史數(shù)據(jù)分析預(yù)測未來發(fā)生的結(jié)果。（）

答案:

錯(cuò)

時(shí)間序列往往呈現(xiàn)某種趨勢性或出現(xiàn)周期性變化的現(xiàn)象。（）

答案:

對(duì)

平穩(wěn)時(shí)間序列差分后還是平穩(wěn)時(shí)間序列。（）

答案:

對(duì)

時(shí)間序列分析有助于了解企業(yè)的行為。（）

答案:

對(duì)

一個(gè)時(shí)間序列的年度數(shù)據(jù)包含長期和周期性變化。（）

答案:

對(duì)

在計(jì)算年度數(shù)據(jù)的季節(jié)性指數(shù)時(shí)，刪除最高和最低的實(shí)際滑動(dòng)平均，減少了季節(jié)性變化。（）

答案:

錯(cuò)

一個(gè)時(shí)間序列的變化模式每年都會(huì)重復(fù)出現(xiàn)，這叫做季節(jié)性變化。（）

答案:

對(duì)

時(shí)間序列數(shù)據(jù)中的連續(xù)觀測是獨(dú)立且同分布的。（）

答案:

錯(cuò)

第二章測試

純隨機(jī)序列的均值是零，方差是定值。（）

答案:

錯(cuò)

對(duì)于各種時(shí)間序列的ADF平穩(wěn)性檢驗(yàn)，其擬合方程式應(yīng)該都相同。（）

答案:

錯(cuò)

由于觀察值序列的有限性，純隨機(jī)序列的樣本自相關(guān)系數(shù)可能不為零。（）

答案:

對(duì)

嚴(yán)平穩(wěn)序列一定是寬平穩(wěn)序列。（）

答案:

錯(cuò)

寬平穩(wěn)序列一定是嚴(yán)平穩(wěn)序列。（）

答案:

錯(cuò)

寬平穩(wěn)序列的二階矩一定存在。（）

答案:

錯(cuò)

當(dāng)序列服從正態(tài)分布時(shí)，寬平穩(wěn)和嚴(yán)平穩(wěn)等價(jià)。（）

答案:

對(duì)

二階矩存在的嚴(yán)平穩(wěn)序列一定為寬平穩(wěn)的。（）

答案:

對(duì)

白噪聲過程是一個(gè)寬平穩(wěn)過程。（）

答案:

對(duì)

時(shí)間序列的二次差分可以幫助消除二次趨勢。（）

答案:

對(duì)

第三章測試

若平穩(wěn)序列的樣本ACF和樣本PACF都呈現(xiàn)一階結(jié)尾，則可考慮建立ARMA(1,1)模型。（）

答案:

對(duì)

非中心化AR(3)模型待估參數(shù)的個(gè)數(shù)有3個(gè)。（）

答案:

錯(cuò)

AR和MA模型的自相關(guān)和偏自相關(guān)函數(shù)均不具備截尾特性。（）

答案:

錯(cuò)

AR模型的自相關(guān)函數(shù)p階截尾，MA模型的偏自相關(guān)函數(shù)q階截尾。（）

答案:

錯(cuò)

AR和MA模型的自相關(guān)和偏自相關(guān)函數(shù)均有截尾特性。（）

答案:

錯(cuò)

對(duì)AR(p)而言，隨著向前預(yù)測步數(shù)的增大，預(yù)測誤差將變小。（）

答案:

錯(cuò)

MA(1)過程ACF一階截尾。（）

答案:

對(duì)

MA(1)過程PACF拖尾。（）

答案:

對(duì)

MA(p)模型一定是寬平穩(wěn)的。（）

答案:

對(duì)

對(duì)于ACF拖尾，PACF截尾的時(shí)間序列建立ARMA。（）

答案:

錯(cuò)

第四章測試

ARIMA是季節(jié)時(shí)間序列模型。（）

答案:

錯(cuò)

當(dāng)d=0時(shí)，ARIMA(p,d,q)=ARMA(p,q)。（）

答案:

對(duì)

ARMA(p,q)模型是AR(p)模型和MA(q)模型的組合。（）

答案:

對(duì)

ARIMA為線性平穩(wěn)時(shí)間序列模型。（）

答案:

錯(cuò)

當(dāng)d=1,p=0,q=0時(shí)，ARIMA(p,d,q)是隨機(jī)游走過程。（）

答案:

對(duì)

產(chǎn)生虛假回歸的原因是非平穩(wěn)性。（）

答案:

對(duì)

單位根過程都是平穩(wěn)過程。（）

答案:

錯(cuò)

ARIMA模型和SARIMA模型是非平穩(wěn)時(shí)間序列。（）

答案:

對(duì)

ARIMA模型建模步驟中包括差分運(yùn)算。（）

答案:

對(duì)

ADF可用于單位根檢驗(yàn)，該檢驗(yàn)本質(zhì)上是一種t檢驗(yàn)。（）

答案:

對(duì)

第五章測試

理論上ACF和PACF是未知的。（）

答案:

對(duì)

AIC=-2ln(模型最大似然度)+2(模型獨(dú)立參數(shù)個(gè)數(shù))。（）

答案:

對(duì)

在回歸分析中，F(xiàn)檢驗(yàn)法常被用來考察兩個(gè)回歸模型是否具有顯著差異。（）

答案:

對(duì)

如果樣本(偏)自相關(guān)系數(shù)在最初的d階明顯大于2倍標(biāo)準(zhǔn)差范圍，而后幾乎95％以上的(偏)自相關(guān)系數(shù)突然收斂落在2倍標(biāo)準(zhǔn)差的范圍以內(nèi)。這時(shí)稱為(偏)自相關(guān)系數(shù)截尾，截尾階數(shù)為d。（）

答案:

對(duì)

如果有超過5%的樣本(偏)自相關(guān)系數(shù)都落入2倍標(biāo)準(zhǔn)差的范圍之外，這時(shí)通常視為(偏)自相關(guān)系數(shù)拖尾。（）

答案:

對(duì)

自相關(guān)函數(shù)(ACF)和偏自相關(guān)函數(shù)(PACF)定階法是一種較為粗略的方法。（）

答案:

對(duì)

在建模時(shí)，按照信息準(zhǔn)則函數(shù)的取值確定模型的優(yōu)劣，使準(zhǔn)則函數(shù)達(dá)到極小的是最佳模型。（）

答案:

對(duì)

如果FPE從開始就下降，則說明數(shù)據(jù)可以采用AR模型擬合。（）

答案:

錯(cuò)

AIC準(zhǔn)則是樣本容量N的線性函數(shù)，在T→∞時(shí)不收斂于真實(shí)模型，它通常比真實(shí)模型所含的未知參數(shù)要多，是過相容的。（）

答案:

對(duì)

當(dāng)回歸因子包含延遲因變量時(shí)，檢驗(yàn)殘差序列自相關(guān)性可以采用F檢驗(yàn)。（）

答案:

錯(cuò)

第六章測試

自回歸條件異方差模型，通常采用的估計(jì)方法是廣義最小二乘法。（）

答案:

錯(cuò)

矩估計(jì)需要假設(shè)總體分布。（）

答案:

錯(cuò)

極大似然估計(jì)法利用了數(shù)據(jù)包含的所有信息。（）

答案:

對(duì)

矩估計(jì)可以直接作為模型參數(shù)的估計(jì)值。（）

答案:

錯(cuò)

平穩(wěn)時(shí)間序列模型矩估計(jì)方法的估計(jì)精度高。（）

答案:

錯(cuò)

自相關(guān)圖顯示拖尾的原因有可能是用樣本估計(jì)總體參數(shù)時(shí)有誤差。（）

答案:

對(duì)

矩估計(jì)的收斂速度比較慢。（）

答案:

對(duì)

平穩(wěn)時(shí)間序列模型矩估計(jì)方法需要假設(shè)總體分布。（）

答案:

錯(cuò)

極大似然估計(jì)法僅利用了一階和二階矩。（）

答案:

錯(cuò)

自回歸AR(p)模型參數(shù)的Yule-Walker估計(jì)是矩估計(jì)。（）

答案:

錯(cuò)

第七章測試

無法利用建立的時(shí)間序列模型對(duì)時(shí)間序列的未來取值進(jìn)行預(yù)測。（）

答案:

錯(cuò)

最小均方預(yù)測誤差與預(yù)測步長有關(guān)，而和預(yù)測的時(shí)間原點(diǎn)無關(guān)。（）

答案:

對(duì)

建立平穩(wěn)時(shí)間序列模型從觀察到的有限長度的平穩(wěn)序列樣本出發(fā)，通過模型的識(shí)別、模型的定階、模型的參數(shù)估計(jì)、適應(yīng)性檢驗(yàn)等步驟建立起適合序列的ARMA模型。（）

答案:

對(duì)

時(shí)間序列是基于以前的觀察數(shù)據(jù)而不是當(dāng)前的觀察數(shù)據(jù),不像分類或回歸那樣數(shù)據(jù)與數(shù)據(jù)之間關(guān)聯(lián)性不高。（）

答案:

對(duì)

在新的信息量很大時(shí)，不重新擬合模型，只是將新的信息加入以修正預(yù)測值，提高預(yù)測精度。（）

答案:

錯(cuò)

修正預(yù)測就是研究如何利用新的信息去獲得精度更高的預(yù)測值。（）

答案:

對(duì)

新的信息量比較大時(shí)，把新信息加入到舊的信息中，重新擬合模型。（）

答案:

對(duì)

對(duì)AR(p)而言，隨著向前預(yù)測步數(shù)的增大，預(yù)測誤差不變。（）

答案:

錯(cuò)

AR（p）模型通常只適合做短期預(yù)測。（）

答案:

對(duì)

線性最小均方誤差預(yù)測是無偏的預(yù)測。（）

答案:

對(duì)

第八章測試

GARCH模型給出了一個(gè)簡單的參數(shù)函數(shù)來描述波動(dòng)率的演變。（）

答案:

對(duì)

GARCH模型對(duì)正負(fù)擾動(dòng)的反應(yīng)不同。（）

答案:

錯(cuò)

ARCH模型是條件方差的自回歸。（）

答案:

對(duì)

ARCH模型不可以刻畫厚尾分布的數(shù)據(jù)。（）

答案:

錯(cuò)

ARCH模型就是對(duì)非平穩(wěn)的殘差序列建立的模型。（）

答案:

錯(cuò)

ARCH模型隨機(jī)誤差項(xiàng)可以服從肥尾分布。（）

答案:

錯(cuò)

ARC