2026年量化金融证书(CQF)考试题库(附答案和详细解析)(0130).docxVIP

  • 0
  • 0
  • 约8千字
  • 约 11页
  • 2026-02-12 发布于上海
  • 举报

2026年量化金融证书(CQF)考试题库(附答案和详细解析)(0130).docx

量化金融证书(CQF)考试试卷

一、单项选择题(共10题,每题1分,共10分)

以下哪项是Black-Scholes期权定价模型的核心假设?

A.标的资产收益率服从正态分布

B.允许卖空但需支付保证金

C.存在交易成本和税收

D.无风险利率随时间随机波动

答案:A

解析:Black-Scholes模型假设标的资产的对数收益率服从正态分布(即价格服从几何布朗运动),因此A正确。模型假设无摩擦市场(无交易成本、无保证金要求),排除B、C;无风险利率为常数,排除D。

GARCH(1,1)模型中,条件方差方程的形式通常表示为:

A.σ?2=ω+α?ε???2+β?σ???2

B.σ?2=ω+α?ε?2+β?σ???2

C.σ?2=ω+α?ε???+β?σ???2

D.σ?2=ω+α?ε?2+β?σ?2

答案:A

解析:GARCH(p,q)模型的条件方差由长期均值(ω)、滞后残差平方(ARCH项,α?ε???2)和滞后条件方差(GARCH项,β?σ???2)组成,因此A正确。B错在ε?2非滞后项;C错在使用ε???而非平方项;D错在σ?2为当期变量。

蒙特卡洛模拟的收敛速度主要取决于:

A.随机数生成器的类型

B.样本路径的数量

C.标的资产的波动率

D.计算设备的内存大小

答案:B

解析:蒙特卡洛模拟的误差与样本量的平方根成反比(中心极限定理),因此增加样本路径数量可提高收敛速度,B正确。随机数生成器影响准确性而非速度(A错);波动率影响模拟结果的分布范围(C错);内存影响可处理的最大样本量(D错)。

Copula函数的主要作用是:

A.描述单个变量的边际分布

B.连接多个变量的边际分布以构建联合分布

C.计算投资组合的VaR

D.检验时间序列的平稳性

答案:B

解析:Copula函数通过分离变量的边际分布和相关性结构,将多个边际分布连接为联合分布,B正确。边际分布由单独的分布函数描述(A错);VaR计算需联合分布但非Copula的直接作用(C错);平稳性检验通过ADF等方法(D错)。

以下哪项是VaR(在险价值)的主要局限性?

A.无法反映尾部损失的严重程度

B.不能用于多资产组合

C.计算依赖历史数据

D.假设收益率服从正态分布

答案:A

解析:VaR仅给出一定置信水平下的最大损失,但无法描述超过VaR的尾部损失规模(如预期损失ES更优),A正确。VaR可用于多资产组合(B错);计算可基于历史模拟或蒙特卡洛(C错);广义VaR不强制正态假设(D错)。

弱式有效市场假说认为:

A.技术分析无法获得超额收益

B.基本面分析可获得超额收益

C.所有公开信息已反映在价格中

D.内幕信息无价值

答案:A

解析:弱式有效市场假设价格已反映所有历史信息,技术分析(依赖历史价格)无效,A正确。半强式有效市场认为公开信息已反映(C错);强式有效市场认为内幕信息无效(D错);基本面分析在弱式有效市场可能有效(B错)。

隐含波动率的计算基于:

A.历史收益率的标准差

B.期权市场价格反推的波动率

C.标的资产的预期收益率

D.无风险利率的期限结构

答案:B

解析:隐含波动率是将市场期权价格代入Black-Scholes模型反解出的波动率参数,B正确。历史波动率是历史数据计算的标准差(A错);预期收益率不直接影响隐含波动率(C错);无风险利率是模型输入而非隐含波动率来源(D错)。

信用违约互换(CDS)的买方主要对冲的风险是:

A.利率上升风险

B.参考实体的信用违约风险

C.汇率波动风险

D.市场流动性风险

答案:B

解析:CDS买方定期支付保费,若参考实体违约,卖方需赔偿损失,本质是对冲信用违约风险,B正确。利率风险通过利率互换对冲(A错);汇率风险通过外汇衍生品(C错);流动性风险通过流动性管理工具(D错)。

高频交易策略中,“滑点”主要指:

A.交易佣金的总和

B.实际成交价格与目标价格的偏差

C.订单执行的延迟时间

D.市场深度的突然变化

答案:B

解析:滑点是由于市场流动性不足或订单规模过大,导致实际成交价格偏离下单时的最优报价,B正确。佣金是交易成本(A错);延迟时间是执行速度(C错);市场深度变化是滑点的成因之一(D错)。

LSTM(长短期记忆网络)相较于传统RNN的核心改进是:

A.增加了隐藏层的数量

B.引入门控机制解决长期依赖问题

C.采用ReLU激活函数

D.支持更高维度的输入数据

答案:B

解析:LSTM通过输入门、遗忘门和输出门控制信息传递,解决了传统RNN的长期依赖问题(梯度消失/爆炸),B正确。隐藏层数量是网络深度问题(A错);ReLU是激活函数类型(C错);输入维度与网络结构无关(D错)。

二、

文档评论(0)

1亿VIP精品文档

相关文档