线性模型中回归分位数估计的强相合性

考虑线性系统模型 y=x＇β_0 x＇r_0e, (1)其中x为P维已知向量,β_0是未知的P维回归系数,e是1维不可观察的误差随机变量。 y在x下的条件u分位数可以写成:     

协整回归残量平稳性的小波检验

本文研究基于小波方法的协整回归残量平稳性检验。将文献[6]中的小波方法推广到了协整关系的检验,给出了对线性协整模型OLS回归后得到的残量进行平稳性检验的小波方法,得到了在原假设非协整下检验统计量的渐近分布。模拟实验和实例分析都验证了新方法的有效性。     

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。     

非参数可加回归模型和非线性协整检验

本文基于非参数可加回归模型的局部核权最小二乘法提出变量间非线性协整的一种非参数检验方法。     

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.     

复合分位数下门限自回归模型的变点估计

金融领域中的突发事件是变点问题的一种体现,往往由于其随机性和发生前信息量不足等因素造成突发事件难以识别和预测.金融市场常常表现出非线性和异质性等特征,门限分位数自回归模型作为金融领域变点问题研究的重要模型,逐渐在经济和统计学界获得更多的关注.本文结合不同的分位数对门限分位数自回归模型中的交点估计问题提出两种新的估计方法...     

基于非参数分位数估计的众数回归模型

本文给出基于非参数分位数估计的众数回归模型.不同于传统的均值和中位数回归模型,众数回归模型使用条件众数刻画分布的中心,在数据分布存在异常值、非对称或重尾这些特征时,具有更好的稳健性.当前众数回归模型的解法主要是基于条件密度的核估计方法.本文给出一种新的基于非参数分位数估计的众数回归模型求解方法.该方法通过分布函数与分位...     

黄金和比特币的动态协整研究——基于半参数MIDAS分位点回归模型

与黄金相比,比特币收益率高、波动率大、免监管以及免税收等性质,在金融领域将会有巨大的发展空间.比特币有时被称为新型黄金,可以取代黄金用来对冲通货膨胀,成为新型避险资产,可以与黄金互补来进行套期保值,这令金融领域的各类投资者非常感兴趣.因此,关于比特币和黄金之间关系的研究有重要的现实意义.文章对比特币和黄金之间的分位点协...     

生长曲线模型的分位数回归

生长曲线模型有着广泛的应用, 在经济学、生物学、医学等各个领域的研究都起着重要的作用. 已有文献关于生长曲线模型参数矩阵的估计基本上是使用最小二乘方法或极大似然方法. 使用最小二乘方法, 当误差项服从偏峰分布、厚尾分布、或者存在异常点时, 得出的估计不是有效的; 使用极大似然方法, 要求分布已知, 实际使用时很难满足这一点. 分位数回归能弥补如上这些缺陷, 所得估计具有很好的稳健性. 本文使用分位数回归方法给出生长曲线模型参数矩阵的估计, 及其渐近正态性.     

部分线性变系数模型的新复合分位数回归估计

针对部分线性变系数模型的参数估计问题,提出了一种新复合分位数回归估计方法.利用复合分位数回归法估计参数部分,局部非线性复合分位数回归法估计变系数函数部分,并在若干正则条件下,证明了常系数和变系数函数估计量具有较好的渐近正态性质.通过随机模拟和实例分析,验证了所提估计方法在有限样本下的良好表现,有效的证明了所提方法的优越...     

带季节线性趋势的季节时间序列的单位根检验

本文为检验带季节线性趋势的季节时间序列的单位根，提出了调整季节线性趋势的统计量，导出这些统计量的极限分布，并用Monte Carlo方法比较研究这些统计量的检验势．     

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。     

股市可预测性与技术指标协整性的模型检验

一个有效的股市,其价格应该是随机波动的,反映市场信息的同质等量分布,或者说无人能靠分析过去的信息而赚到钱。但这与“可预测”并无矛盾,因为预测科学本身并不能提供１００％的精度,而且“可预测”和靠预测来赚钱又根本是两回事,股市有效性所遵从的随机游动模型本身就告诉了我们这一点。本文从建立股市自回归预测模型出发,并通过检验股市主要技术指标的协整性来说明这一点,同时指出了各种模型的阶数高与低与股市有效性相对强与弱之间的存在着反向的关系     

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。     

基于分位数回归模型的地震巨灾风险评估

地震损失数据存在明显的厚尾特征,使得通常的均值回归模型因为容易受到极端值的影响而无法适用。本文对传统的分位数回归模型和函数系数的分位数回归模型进行了比较研究,分析了它们的优缺点,并基于我国大陆地区1990-2015年的地震灾害损失数据,重点探讨了它们在我国地震巨灾风险管理中的应用,计算了不同震级和置信水平下,我国地震灾害损失的VaR和TVaR等风险度量值。基于前述结果,本文最后还探讨了我国地震巨灾指数保险的设计和费率厘定问题。     

面板数据分位数回归模型的工具变量估计

针对含有内生变量的面板数据回归模型,提出基于工具变量的分位数回归估计方法.首先,通过引入工具变量解决协变量的内生性问题,然后利用分位数回归的方法对回归系数进行估计.在一些正则条件下,证明所提出估计的大样本性质,通过模拟研究证实该方法的有限样本性质.     

部分线性单指标模型的复合分位数回归及变量选择

本文提出复合最小化平均分位数损失估计方法 (composite minimizing average check loss estimation,CMACLE)用于实现部分线性单指标模型(partial linear single-index models,PLSIM)的复合分位数回归(composite quantile regression,CQR).首先基于高维核函数构造参数部分的复合分位数回归意义下的相合估计,在此相合估计的基础上,通过采用指标核函数进一步得到参数和非参数函数的可达最优收敛速度的估计,并建立所得估计的渐近正态性,比较PLSIM的CQR估计和最小平均方差估计(MAVE)的相对渐近效率.进一步地,本文提出CQR框架下PLSIM的变量选择方法,证明所提变量选择方法的oracle性质.随机模拟和实例分析验证了所提方法在有限样本时的表现,证实了所提方法的优良性.     

空间半参数变系数部分线性回归中的分位数估计

本文研究了空间数据变系数部分线性回归中的分位数估计. 模型中的参数估计量通过未知系数函数的分段多项式逼近得到, 而未知系数函数的估计量通过将参数估计量代入模型中并通过局部线性逼近得到. 文中推导了未知参数向量估计量的渐近分布, 并建立了未知系数函数估计量在内点及边界点的渐近分布. 通过Monte Carlo 模拟研究了估计量的有限样本性质.     

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.     

半参数平滑转换分位数自回归模型及应用

已有针对平滑转换自回归模型(STAR)的研究多是将转换函数设定为Logistic函数或指数函数形式,并在均值回归框架下获得模型的估计、检验及预测结果.文章基于重心权有理插值和分位数回归方法,构建一类新的半参数平滑转换分位数自回归模型,其主要特点表现在:第一,基于重心权有理插值方法构造的平滑转换函数,形式更加灵活自由,有效减少了模型误设的风险.第二,在分位数回归框架下,利用遗传算法获得新模型在不同分位点处的平滑转换自回归系数估计,比单纯的均值回归得到的信息更为丰富.数值模拟结果显示,新模型的平滑转换自回归系数估计在无偏性、有效性和一致性方面均具有较好表现.最后,将新模型应用于上证综指日收益率的动态趋势及预测研究,细致揭示了收益率序列在不同阶段、不同分位点处的非线性和异质性变化特征.