【摘要】：分位數(shù)回歸源于歷史上的l1估計(jì)問題。作為一種半?yún)?shù)統(tǒng)計(jì)方法,分位數(shù)回歸能夠克服數(shù)據(jù)的尖峰厚尾特點(diǎn)以及數(shù)據(jù)的結(jié)構(gòu)突變等問題,有著獨(dú)特的優(yōu)勢(shì)。近年來分位數(shù)回歸模型逐漸成為學(xué)術(shù)界的熱點(diǎn)之一,吸引了大量學(xué)者進(jìn)行相關(guān)理論和應(yīng)用研究,并被廣泛應(yīng)用于經(jīng)濟(jì)金融、生物醫(yī)療等領(lǐng)域。分位數(shù)回歸模型的一個(gè)發(fā)展方向是與貝葉斯估計(jì)的結(jié)合,貝葉斯統(tǒng)計(jì)通過引入先驗(yàn)信息與數(shù)據(jù)集結(jié)合,進(jìn)行后驗(yàn)推斷,統(tǒng)計(jì)結(jié)果更豐富更具有解釋能力。貝葉斯統(tǒng)計(jì)在應(yīng)用上的一個(gè)難點(diǎn)是后驗(yàn)分布往往極其復(fù)雜,甚至后驗(yàn)分布不存在解析形式,這非常不利于人們利用后驗(yàn)分布進(jìn)行統(tǒng)計(jì)推斷。近年來隨著計(jì)算機(jī)性能的不斷發(fā)展,MCMC方法通過隨機(jī)數(shù)抽樣得到估計(jì)值,跳過后驗(yàn)分布的具體形式,解決了貝葉斯后驗(yàn)估計(jì)困難的問題,在抽樣次數(shù)足夠大的情況下,這樣的估計(jì)是有效的。在金融風(fēng)險(xiǎn)的測(cè)量與建模領(lǐng)域,VaR是風(fēng)險(xiǎn)測(cè)度中一個(gè)極其重要的度量指標(biāo),通常的VaR計(jì)算方法需要對(duì)金融市場(chǎng)收益率進(jìn)行某種概率分布的假定,然后依據(jù)概率分布估計(jì)VaR值,分位數(shù)回歸理論則不需要概率分布的假定,而可以利用回歸方程直接對(duì)VaR值進(jìn)行估計(jì),可以方便的得到各個(gè)置信水平下的VaR值。本文首先回顧了經(jīng)典的分位數(shù)回歸理論,介紹了貝葉斯分析的基本框架以及MCMC方法的內(nèi)涵;然后通過引入非對(duì)稱拉普拉斯分布和廣義逆高斯分布,將分位數(shù)回歸納入貝葉斯推理的框架,介紹了一種基于局部變量混合和Gibbs抽樣的算法,同時(shí)展示了在某些特殊先驗(yàn)的條件下,貝葉斯分位數(shù)回歸與Lasso方法的等價(jià)性;最后探討了分位數(shù)回歸在中國(guó)股市的實(shí)證研究,貝葉斯分位數(shù)回歸模型在VaR計(jì)算中的同樣有著非常簡(jiǎn)潔有效的應(yīng)用。
[Abstract]:The quantile regression results from the historical L 1 estimation problem. As a semi-parametric statistical method, quartile regression can overcome the characteristics of peak and thick tail of data and the structural change of data, which has a unique advantage. In recent years, quantile regression model has gradually become one of the hot topics in academia, attracting a large number of scholars to carry out relevant theoretical and applied research, and has been widely used in the fields of economics and finance, biomedicine and so on. One of the development directions of quantile regression model is to combine with Bayesian estimation. Bayesian statistics combines prior information with data set and carries out posteriori inference. The statistical results are richer and more interpretive. One of the difficulties in the application of Bayesian statistics is that the posteriori distribution is often extremely complex, and even the posteriori distribution does not have an analytical form, which is very unfavorable for people to use the posteriori distribution to infer statistics. In recent years, with the continuous development of computer performance, the MCMC method obtains the estimated value by random number sampling, and solves the problem of Bayesian posteriori estimation by the concrete form of the skip posteriori distribution. When the sampling times are large enough, the problem of Bayesian posteriori estimation is solved. Such estimates are valid. In the field of financial risk measurement and modeling, VaR is an extremely important measure index in risk measurement. The usual VaR calculation methods need to assume some probability distribution of the financial market return rate, and then estimate the VaR value according to the probability distribution. The quantile regression theory does not need the assumption of probability distribution, but can use regression equation to estimate the VaR value directly, and get the VaR value of each confidence level conveniently. In this paper, the classical quantile regression theory is reviewed, the basic framework of Bayesian analysis and the connotation of MCMC method are introduced, and then the asymmetric Laplace distribution and generalized inverse Gao Si distribution are introduced. The quantile regression is introduced into the framework of Bayesian reasoning, and an algorithm based on local variable mixing and Gibbs sampling is introduced. At the same time, the equivalence between Bayesian quantile regression and Lasso method is shown under some special priori conditions. Finally, the empirical study of quantile regression in Chinese stock market is discussed. Bayesian quantile regression model also has a very simple and effective application in VaR calculation.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F224;F831

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳建南;馬偉;;分位數(shù)回歸與顯著加權(quán)分析技術(shù)的比較研究[J];統(tǒng)計(jì)與決策;2006年07期

2 李育安;;分位數(shù)回歸及應(yīng)用簡(jiǎn)介[J];統(tǒng)計(jì)與信息論壇;2006年03期

3 張代強(qiáng);張屹山;;前瞻性利率規(guī)則在我國(guó)的實(shí)證研究——基于分位數(shù)回歸方法的變參數(shù)檢驗(yàn)[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2008年10期

4 劉生龍;;教育和經(jīng)驗(yàn)對(duì)中國(guó)居民收入的影響——基于分位數(shù)回歸和審查分位數(shù)回歸的實(shí)證研究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2008年04期

5 胡永遠(yuǎn);倪麗艷;;基于分位數(shù)回歸的社會(huì)救助再就業(yè)人群收入研究[J];山東財(cái)政學(xué)院學(xué)報(bào);2013年03期

6 陳建寶;丁軍軍;;分位數(shù)回歸技術(shù)綜述[J];統(tǒng)計(jì)與信息論壇;2008年03期

7 解棟棟;;服務(wù)業(yè)發(fā)展與人均收入的關(guān)系:基于分位數(shù)回歸的實(shí)證研究[J];當(dāng)代財(cái)經(jīng);2009年08期

8 盧荻千;;基于分位數(shù)回歸的凈資產(chǎn)收益率研究——來自2008年我國(guó)上市公司的財(cái)務(wù)數(shù)據(jù)[J];金融經(jīng)濟(jì);2009年20期

9 張玨;;基于分位數(shù)回歸模型的證券市場(chǎng)風(fēng)險(xiǎn)研究[J];統(tǒng)計(jì)與決策;2011年09期

10 林德欽;;基于分位數(shù)回歸的我國(guó)居民邊際消費(fèi)傾向動(dòng)態(tài)研究[J];新余學(xué)院學(xué)報(bào);2011年03期

相關(guān)會(huì)議論文 前6條

1 林藝圃;;中國(guó)股市價(jià)量關(guān)系的實(shí)證分析分位數(shù)回歸模型[A];中國(guó)社會(huì)科學(xué)院第三屆中國(guó)經(jīng)濟(jì)論壇論文集（下）[C];2007年

2 陳娟;林龍;葉阿忠;;基于分位數(shù)回歸的中國(guó)居民消費(fèi)研究[A];中國(guó)社會(huì)科學(xué)院第三屆中國(guó)經(jīng)濟(jì)論壇論文集（下）[C];2007年

3 夏寧;;中國(guó)上市公司高管人員薪酬的影響因素與成因分解——一個(gè)基于分位數(shù)回歸模型的實(shí)證研究[A];中國(guó)會(huì)計(jì)學(xué)會(huì)財(cái)務(wù)管理專業(yè)委員會(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2009年

4 宋馬林;吳杰;高玉強(qiáng);張琳玲;宋峰;;中國(guó)入世以來的對(duì)外貿(mào)易與環(huán)保效率——基于分省面板數(shù)據(jù)的實(shí)證分析[A];中國(guó)貿(mào)易救濟(jì)與產(chǎn)業(yè)安全論叢（2012）——第七屆中國(guó)貿(mào)易救濟(jì)與產(chǎn)業(yè)安全研究獎(jiǎng)獲獎(jiǎng)?wù)撐募痆C];2013年

5 任聲策;;創(chuàng)新和出口的互動(dòng)關(guān)系:基于中國(guó)制造業(yè)企業(yè)的實(shí)證[A];第八屆（2013）中國(guó)管理學(xué)年會(huì)——技術(shù)與創(chuàng)新管理分會(huì)場(chǎng)論文集[C];2013年

6 劉鑫波;張志敏;梁逸曾;;高效準(zhǔn)確的高分辨數(shù)據(jù)快速平滑與基線校正算法[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

相關(guān)博士學(xué)位論文 前9條

1 康寧;分位數(shù)回歸模型及在金融經(jīng)濟(jì)中的應(yīng)用[D];合肥工業(yè)大學(xué);2016年

2 劉惠籃;基于復(fù)合分位數(shù)回歸方法的統(tǒng)計(jì)模型的相關(guān)研究[D];重慶大學(xué);2016年

3 Muhammad Amin;高維懲罰分位數(shù)回歸建模及其應(yīng)用[D];大連理工大學(xué);2015年

4 楊豐凱;基于偏拉普拉斯分布的若干分位數(shù)回歸模型的統(tǒng)計(jì)推斷[D];山東大學(xué);2017年

5 王娜;面板數(shù)據(jù)分位數(shù)回歸模型求解及應(yīng)用研究[D];山東大學(xué);2017年

6 韓月麗;極值統(tǒng)計(jì)與分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

7 關(guān)靜;分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

8 項(xiàng)云帆;資本資產(chǎn)定價(jià)模型及實(shí)證分析[D];華中科技大學(xué);2010年

9 陳林興;基于空間視角的我國(guó)省際農(nóng)村居民消費(fèi)趨同性研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 代貝;基于分位數(shù)回歸的農(nóng)村居民消費(fèi)區(qū)域差異研究[D];昆明理工大學(xué);2015年

2 羅小青;基于分位數(shù)回歸的中國(guó)GDP與電力消費(fèi)量關(guān)系研究[D];華南理工大學(xué);2015年

3 于琴;西部地區(qū)農(nóng)村產(chǎn)權(quán)抵押貸款對(duì)農(nóng)戶收入的影響研究[D];西北農(nóng)林科技大學(xué);2015年

4 王歡歡;績(jī)效評(píng)估角度的信息化升級(jí)時(shí)間域選擇模型[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

5 劉袁;利率市場(chǎng)化背景下商業(yè)銀行利率風(fēng)險(xiǎn)的測(cè)度[D];南京財(cái)經(jīng)大學(xué);2015年

6 周策;VaR模型在我國(guó)開放式上市基金市場(chǎng)的實(shí)證分析[D];廣東外語(yǔ)外貿(mào)大學(xué);2015年

7 耿國(guó)強(qiáng);分位數(shù)回歸理論及其在金融時(shí)間序列的應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2015年

8 王琪鋒;復(fù)合分位數(shù)回歸在線性時(shí)間序列下的應(yīng)用[D];大連理工大學(xué);2015年

9 吳博聞;刪失數(shù)據(jù)下部分線性變系數(shù)模型的分位數(shù)回歸[D];大連理工大學(xué);2015年

10 凌珂;生長(zhǎng)曲線模型的分位數(shù)回歸與變量選擇[D];華東師范大學(xué);2015年

，

本文編號(hào)：2231781