2025年注册金融数据分析师（CFDA）考试题库（附答案和详细解析）（1017）.docxVIP

注册金融数据分析师（CFDA）考试试卷

一、单项选择题（共10题，每题1分，共10分）

在金融数据清洗过程中，处理缺失值时最不推荐的方法是（）

A.根据数据分布选择均值/中位数填充

B.直接删除缺失值超过50%的记录

C.利用回归模型预测缺失值

D.忽略缺失值直接进行模型训练

答案：D

解析：金融数据中缺失值可能隐含重要信息（如客户刻意隐瞒财务数据），直接忽略会导致样本偏差或模型失真（A/B/C均为科学处理方法，D会破坏数据完整性）。

以下哪项不属于时间序列数据的典型特征？（）

A.自相关性（Autocorrelation）

B.异方差性（Heteroskedasticity）

C.平稳性（Stationarity）

D.正态分布（NormalDistribution）

答案：D

解析：时间序列数据可能呈现自相关（如股价连续上涨）、异方差（如波动率聚类）、平稳性（均值方差恒定），但正态分布是假设而非必然特征（金融数据常存在肥尾现象）。

在信用风险评估中，KS（Kolmogorov-Smirnov）统计量主要用于衡量（）

A.模型预测值与实际值的线性相关程度

B.违约组与非违约组累计概率分布的分离度

C.特征变量与目标变量的非线性关系强度

D.模型在不同时间窗口的稳定性

答案：B

解析：KS值通过比较违约组与非违约组的累计分布函数差异，评估模型区分能力（A为相关系数，C为IV值或互信息，D为PSI指标）。

以下哪种机器学习模型最适合处理高维稀疏的金融文本数据（如研报摘要）？（）

A.逻辑回归（LogisticRegression）

B.支持向量机（SVM）

C.随机森林（RandomForest）

D.朴素贝叶斯（NaiveBayes）

答案：D

解析：朴素贝叶斯基于贝叶斯定理，对高维稀疏文本数据（如词袋模型）计算效率高且鲁棒性强（逻辑回归需正则化处理高维，SVM在高维易过拟合，随机森林计算成本高）。

在计算VaR（风险价值）时，历史模拟法的核心假设是（）

A.收益率服从正态分布

B.未来收益分布与历史样本一致

C.资产间相关性恒定

D.市场不存在极端事件

答案：B

解析：历史模拟法直接利用历史数据的经验分布计算VaR，假设未来收益分布与历史一致（A为参数法假设，C为蒙特卡洛模拟需设定，D不符合现实）。

金融数据中“幸存者偏差”最可能出现在以下哪类数据中？（）

A.上市公司财务报表（仅包含当前存续企业）

B.债券交易价格（包含所有历史成交记录）

C.基金净值（包含已清盘基金的历史数据）

D.宏观经济指标（如GDP季度数据）

答案：A

解析：幸存者偏差指仅保留“存活”样本（如当前存续企业），忽略已退市/破产企业（B/C/D数据覆盖更完整，C若包含清盘基金则无偏差）。

在构建多因子选股模型时，以下哪项属于“技术因子”？（）

A.市盈率（P/E）

B.市净率（P/B）

C.动量因子（过去12个月收益率）

D.净利润增长率

答案：C

解析：技术因子反映市场交易行为（如动量、换手率），A/B/D为基本面因子（反映企业财务状况）。

以下哪项是金融时间序列“ARCH效应”的典型表现？（）

A.收益率序列存在显著的自相关

B.收益率的平方序列存在自相关

C.收益率均值随时间变化

D.收益率方差随时间恒定

答案：B

解析：ARCH（自回归条件异方差）描述方差的聚类现象，即收益率平方（代表波动）存在自相关（A为ARMA模型特征，C/D与ARCH无关）。

在压力测试中，“情景分析”与“敏感性分析”的主要区别在于（）

A.情景分析关注单一变量变动，敏感性分析关注多变量组合

B.情景分析基于历史事件，敏感性分析基于假设冲击

C.情景分析评估多变量协同影响，敏感性分析评估单一变量影响

D.情景分析仅用于信用风险，敏感性分析仅用于市场风险

答案：C

解析：敏感性分析衡量单一变量变动对结果的影响（如利率上升100BP），情景分析模拟多变量组合冲击（如2008年金融危机情景）（A/B/D表述错误）。

以下哪种数据标准化方法适用于存在极端异常值的金融数据？（）

A.Z-score标准化（均值-标准差）

B.最小-最大归一化（Min-Max）

C.中位数绝对偏差（MAD）标准化

D.对数变换

答案：C

解析：MAD基于中位数计算，对异常值不敏感（Z-score和Min-Max受极值影响大，对数变换适用于右偏分布但无法处理负值）。

二、多项选择题（共10题，每题2分，共20分）

以下属于金融数据质量评估维度的有（）

A.准确性（Accuracy）

B.完整性（Completeness）

C.一致性（Consistency）

D.及时性（Timeline