基于分位数回归的二氧化碳排放与经济增长

选取我国1960～2009年的年度数据,建立了二氧化碳排放与经济增长关系模型,并利用分位数回归方法对我国二氧化碳排放与经济增长倒U假说进行实证研究.研究结果表明,Kuznets的假说在我国二氧化碳与经济增长之间并不稳定,随着碳排放量的增加,我国二氧化碳与经济增长之间先呈现"N型",之后呈现Kuznets的"倒U型",最后演变成一条水平的直线.     

基于神经网络分位数回归的多期CVaR风险测度

与VaR金融风险测度相比,CVaR具有更好的数理性质,其计算方法成为关注的焦点。相对于单期CVaR而言,多期CVaR风险测度具有较强的非线性特征,其建模过程更加复杂。在神经网络分位数回归基础上,建立了一种新的多期CVaR风险测度方法;基于似然比检验,建立了多期CVaR风险测度返回测试评价准则。将该新方法应用于沪深300指数的多期CVaR风险测度,并将其与传统的测度方法进行了对比,返回测试结果表明:第一,该新方法具有较强的稳健性,各期平均绝对误差大小基本不变,特别适合于多期CVaR风险测度;第二,基于神经网络分位数回归的多期CVaR风险测度效果优于传统测度方法,表现为似然比检验拒绝次数最少和平均绝对误差最小。     

基于分位数回归的国内黄金价格影响因素分析

利用分位数回归模型探讨了原油价格、道琼斯指数、美元汇率、上证指数和利率对国内黄金价格的影响.实证分析结果表明在不同分位数水平上各因素对黄金价格的影响不一样.分位数回归能够从历史数据中挖掘出更多的信息,更有利于投资者了解影响黄金价格波动的因素从而做出更好的决策.     

经济政策不确定性与系统性风险关联性研究——基于主成分分位数回归方法的实现

选取中国经济政策不确定性指数和14个系统性风险的代表性指标,首先运用分位数格兰杰因果检验经济政策不确定性与系统性风险指标的因果关系,然后分别以经济政策不确定性和系统性风险为被解释变量,利用主成分分位数回归分析经济政策不确定性与系统性风险之间的相互影响关系。研究发现:在单个系统性风险指标中,机构极值风险对经济政策不确定性的影响最为显著;中国金融市场整体系统性风险与经济政策不确定性之间存在双向因果关系;经济政策不确定性与系统性风险指标在下尾分布拟合效果最好。进一步分析发现,经济政策不确定性的上升不能起到稳定器效果,其对系统性风险加剧有助推作用,同时系统性风险的上升也会倒逼经济政策不确定性的增加。     

对外贸易、经济增长与二氧化碳排放 ——基于分位数回归的实证研究

基于1997-2016年中国30个省级地区的数据,建立面板分位数回归模型考量对外贸易与经济增长对不同分位水平二氧化碳排放的影响.研究发现:在各分位点对外贸易对碳排放的影响为负,但仅在高分位点显著,并且对外贸易的减排效应表现出随碳排放量增加而增加的趋势.经济增长在50%分位点以外的其他分位点对碳排放具有显著的促进作用,但环境库兹涅茨假说只在低排放省份和高排放省份有效;进一步研究显示,对外贸易通过促进经济增长对碳排放产生的正向间接影响大于负向直接影响,对外贸易总体上加剧了环境污染,验证了"污染天堂假说".     

比例响应数据的分位数回归建模

由于比例响应数据具有有界性、偏态性和异方差性等特征,基于常规的回归建模方法往往不尽人如意。本文基于分位数方法研究比例响应数据的回归建模及其统计推断问题,重点研究了半连续型比例数据的分位数估计方法,并给出了估计的大样本性质。数值模拟研究和实例分析验证了所提方法的有效性。     

分层次人力资本与全要素生产率基于分位数回归的解析

首先在考虑到人力资本质量的基础上,利用1993-2008的我国30个地区面板数据基于Mamquist指数法测度了我国地区TFP值,然后运用分位数回归技术研究了异质性人力资本对TFP增长不同阶段的作用机制,回归结果表明非熟练劳动只在TFP增长的初级阶段产生正向显著的促进作用,当TFP增长到一定水平(80%分位数以上)抑制了TFP增长.熟练劳动资本从TFP增长的20%分位数处对发达地区产生显著正向拉动作用,而且这种作用一致增强,地区间技术差异从30%分位数处开始一致地对TFP增长产生显著正向推动用.     

银行业如何影响房地产业?Copula分位数回归及预测方法

众所周知,房地产业与银行业是高度相关的,如何确定银行业股票收益率对房地产业股票收益率的影响以及如何根据银行业股票收益率预测房地产业股票收益率的波动是非常重要的问题。本文首先使用Copula分位数回归建立了银行业股票收益率对房地产业股票收益率的回归模型,并且给出了Copula分位数回归基础上的CopuIa选择新标准,即分位数损失函数距离意义下的Copula函数选择准则,依据该准则我们选取Clayton Copula分位数回归模型刻画了低迷时期银行业股票收益率如何影响房地产业股票收益率,并据此对房地产业股票收益率的波动进行了预测     

基于分位数回归的大学生成绩变化实证分析

在介绍分位数回归方法的基础上,讨论了分位数回归模型在研究影响大学生成绩变化因素方面的应用,与最小二乘回归模型对比,分位数回归能有效地描述数据尾端的分布情况.     

基于Copula分位数回归原油期货市场套保模型及效率研究

伴随中国原油期货的上市,作为商品期货最大交易单品的原油期货,其套期保值功能必将成为新的研究热点。本文采用skew-t-GARCH(1,1)模型捕捉原油期现货收益率的"波动集聚"和"尖峰厚尾"特性,在此基础上通过构造Copula分位数套保模型研究不同原油市场状态下(牛市、熊市)的套保比率及效率。利用蒙特卡洛模拟对线性、Normal Copula及T-Copula分位数回归模型进行效率比较,并对英国Brent和美国WTI原油期货收益率进行实证研究,结果表明:①不同市场状态下,原油期货的最优套保比率具有非对称性;②T-Copula分位数回归模型的尾部套期保值效率更稳定。因此,利用原油期货进行规避风险时,要根据市场行情合理运用套期保值模型。     

基于形心法的模糊线性回归模型的统计分析

使用形心法将模糊数转化清晰数,从而将模糊线性回归模型转化为传统的线性回归模型来研究,此模型输入、输出都为模糊数,回归系数为清晰数,讨论了该模型的参数估计及基于数据删除的影响分析,并通过对实例的研究及与其它模型比较,说明了该模型应用方便,具有更优的拟合性.     

基于变系数模型的自适应分位回归方法

提出了变系数模型条件分位估计的一种新方法.变系数模型已经成为经济学、流行病学、纵向数据和医学领域处理高维数据的有力工具.该模型有助于探测数据的动态特征、降低模型偏差、避免高维灾难,同时便于解释.尽管关于变系数模型条件均值的估计已经有很多文章,但关于变系数模型条件分位的估计方面的文章相对较少.文中提出了一种有效的适应性分位回归方法来诊断出齐性邻域,进行局部自适应窗宽选择和局部线性逼近,同时给出了估计量的风险界和最优窗宽的自动选择准则.模拟研究说明了所提出估计方法的效果.     

Modal Regression Based on Nonparametric Quantile Estimator

Modal regression based on nonparametric quantile estimator is given. Unlike the traditional mean and median regression, modal regression uses mode but not mean or median to represent the center of a conditional distribution, which helps the model to be more robust for outliers, asymmetric or heavy-taileddistribution. Most of solutions for modal regression are based on kernel estimation of density. This paper studies a new solution for modal regression by means of nonparametric quantile estimator. This method builds on the fact that the distribution function is the inverse of the quantile function, then the flexibility of nonparametric quantile estimator is utilized to improve the estimation of modal function. The simulations and application show that the new model outperforms the modal regression model via linear quantile function estimation.     

中国对外贸易对经济增长的影响——基于改进的两阶段面板数据分位数回归

针对面板数据回归模型,本文结合复合分位数回归,提出了改进的两阶段分位数回归估计方法,所提出的估计不仅保留了分位数回归的优点,而且保留了变量的含义.进一步,采用所提出的方法分析了对外贸易对经济增长的影响.分析表明,对外贸易对经济增长具有正向影响,且在对外贸易开放度越高的地区,其对经济增长的影响越大。     

基于Monte Carlo模拟比较K近邻和局部线性分位数回归

局部线性分位数回归是目前比较流行的非参数分位数回归,其潜在假定待估函数线性光滑.K近邻分位数回归也是非参数分位数回归的重要组成部分,其具有不需待估函数光滑和不同分位点的回归曲线不相交等优点.通过Monte Carlo模拟,比较了两者的估计,得到当待估函数的跳跃点或突变点比较多时,K近邻分位数回归的拟合效果优于局部线性回归.其中模拟的函数是Blocks、Bumps和HeaviSine的函数,它们分别代表跳跃性、波动性、斜率突变性的函数.     

二元选择分位回归的自适应LASSO改进

为避免模型出现过拟合,将自适应LASSO变量选择方法引入二元选择分位回归模型,利用贝叶斯方法构建Gibbs抽样算法并在抽样中设置不影响预测结果的约束条件‖β‖=1以提高抽样值的稳定性.通过数值模拟,表明改进的模型有更为良好的参数估计效率、变量选择功能和分类能力.     

基于动态调整的Copula-非线性分位数回归资产组合优化

为优化资产组合方案,考虑单资产分布的非对称性、异方差性、尖峰厚尾性等特征,资产之间的时变非线性相关性,建立了Copula-非线性分位数回归模型。本文的创新与特色,一是通过构建期望超额收益率与考虑动态损失厌恶效应的VaR比率函数,确定了目标函数的表达式,改变了使用超额收益率标准差度量风险,而实证研究中更关注资产的损失风险而非全部风险,未考虑投资者对于收益与损失非对称偏好的不足;二是通过建立基于支持向量机的非线性分位数回归模型,确定了边缘分布函数表达式,解决了普通模型无法处理非对称、非线性,依赖于分布假设的不足;三是通过构建混合Copula函数,确保能够有效捕捉金融市场中的尾部相关、非对称性,完善了刻画资产之间相关关系的模式;四是通过建立风险非线性叠加的资产总风险评价模型,确定了资产组合总风险的表达式,弥补了现有风险评价模型未考虑资产间的相关性的不足。实证结果表明,本文建立的模型预测性能高于其它模型,该模型有更高的VaR比率值,在单位风险下能够获得更高的资产组合效果。