本文關(guān)鍵詞：貝葉斯自適應(yīng)Lasso分位數(shù)回歸及其在EVA分析中的應(yīng)用

  更多相關(guān)文章： 貝葉斯估計(jì) 自適應(yīng)Lasso 分位數(shù)回歸 ALD分布 經(jīng)濟(jì)增加值

【摘要】：傳統(tǒng)最小二乘估計(jì)法只關(guān)心協(xié)變量對(duì)響應(yīng)變量均值的影響,而分位數(shù)回歸方法考慮了在不同分位點(diǎn)水平下協(xié)變量對(duì)響應(yīng)變量的影響。與頻率統(tǒng)計(jì)方法相比,采用貝葉斯參數(shù)估計(jì)法對(duì)分位數(shù)回歸進(jìn)行估計(jì)更具有穩(wěn)健性。本文將貝葉斯分位數(shù)回歸方法與自適應(yīng)Lasso變量選擇方法結(jié)合,引入了貝葉斯自適應(yīng)Lasso分位數(shù)回歸模型進(jìn)行探索研究,并應(yīng)用于上市公司經(jīng)濟(jì)增加值(EVA)影響因素的實(shí)證研究。第一章為緒論,指出貝葉斯自適應(yīng)Lasso分位數(shù)回歸模型的研究背景及意義,并對(duì)其進(jìn)行了相關(guān)文獻(xiàn)回顧,同時(shí)對(duì)本文的研究?jī)?nèi)容和創(chuàng)新點(diǎn)進(jìn)行了總結(jié)。第二章對(duì)貝葉斯自適應(yīng)Lasso分位數(shù)回歸的基本思想和原理進(jìn)行闡述,然后基于非對(duì)稱拉普拉斯分布(ALD分布)的擾動(dòng)項(xiàng)假設(shè),推導(dǎo)出模型各個(gè)參數(shù)的全條件后驗(yàn)分布,并構(gòu)建Gibbs抽樣。第三章通過(guò)幾個(gè)馬爾科夫鏈蒙特卡洛模擬檢驗(yàn)貝葉斯自適應(yīng)Lasso分位數(shù)回歸模型的參數(shù)估計(jì)效果。首先,與貝葉斯Lasso分位數(shù)回歸模型、分位數(shù)回歸模型進(jìn)行比較檢驗(yàn)其參數(shù)估計(jì)效果。進(jìn)一步,在不同擾動(dòng)項(xiàng)假設(shè)和不同樣本量下進(jìn)行模擬來(lái)比較檢驗(yàn)其參數(shù)估計(jì)效果。通過(guò)模擬比較發(fā)現(xiàn),基于ALD分布擾動(dòng)項(xiàng)假設(shè)下的貝葉斯自適應(yīng)Lasso分位數(shù)回歸方法的參數(shù)估計(jì)效果較好。第四章是實(shí)證研究部分。本部分以滬深A(yù)股上市公司的經(jīng)濟(jì)增加值及其影響因素為研究對(duì)象,構(gòu)建貝葉斯自適應(yīng)Lasso分位數(shù)回歸模型。實(shí)證結(jié)果表明,凈資產(chǎn)收益率、總資產(chǎn)收益率、固定資產(chǎn)比率、存貨周轉(zhuǎn)率、長(zhǎng)期資本負(fù)債率、已獲利息倍數(shù)對(duì)上市公司經(jīng)濟(jì)增加值影響最大。自適應(yīng)Lasso方法剔除了其他11個(gè)變量。最后,根據(jù)文章實(shí)證部分得出的結(jié)果提出了相關(guān)的建議。第五章總結(jié)了研究結(jié)論并根據(jù)本文方法的局限性,提出了研究展望。
【關(guān)鍵詞】：貝葉斯估計(jì) 自適應(yīng)Lasso 分位數(shù)回歸 ALD分布 經(jīng)濟(jì)增加值
【學(xué)位授予單位】：閩南師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O212.1
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 研究背景及意義10-12
• 1.2 文獻(xiàn)綜述12-16
• 1.2.1 分位數(shù)回歸的研究現(xiàn)狀12-13
• 1.2.2 貝葉斯分位數(shù)回歸的研究現(xiàn)狀13-14
• 1.2.3 自適應(yīng)Lasso變量選擇方法的研究現(xiàn)狀14-15
• 1.2.4 經(jīng)濟(jì)增加值的研究現(xiàn)狀15-16
• 1.3 研究?jī)?nèi)容16-17
• 1.4 論文的創(chuàng)新點(diǎn)17-18
• 第2章 貝葉斯自適應(yīng)Lasso分位數(shù)回歸模型的原理18-30
• 2.1 基于ALD分布的貝葉斯分位數(shù)回歸模型介紹18-21
• 2.2 基于ALD分布的貝葉斯自適應(yīng)Lasso分位數(shù)回歸模型介紹21-23
• 2.3 各參數(shù)全條件后驗(yàn)分布推導(dǎo)23-27
• 2.4 Gibbs抽樣的構(gòu)建27-30
• 第3章 貝葉斯自適應(yīng)Lasso分位數(shù)回歸模擬研究30-38
• 3.1 QR、BLQR、BALQR三種模型的模擬比較30-34
• 3.2 四種不同擾動(dòng)項(xiàng)假設(shè)下BALQR方法的模擬比較34-35
• 3.3 不同樣本量下BALQR方法的模擬比較35-38
• 第4章 上市公司EVA影響因素實(shí)證研究38-46
• 4.1 EVA指標(biāo)的內(nèi)涵38
• 4.2 EVA影響因素指標(biāo)選取38-40
• 4.3 實(shí)證分析40-44
• 4.3.1 數(shù)據(jù)來(lái)源及預(yù)處理40-42
• 4.3.2 EVA影響因素相關(guān)性檢驗(yàn)42-43
• 4.3.3 模型估計(jì)43-44
• 4.4 結(jié)論與建議44-46
• 第5章 研究總結(jié)與展望46-48
• 5.1 研究總結(jié)46
• 5.2 研究展望46-48
• 參考文獻(xiàn)48-52
• 附錄1 第三章模擬R語(yǔ)言程序代碼52-56
• 附錄2 第四章實(shí)證R語(yǔ)言程序代碼56-58
• 致謝58-60
• 攻讀碩士學(xué)位期間完成的論文60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 倪中新;薛文駿;;投資者情緒是導(dǎo)致我國(guó)投資者對(duì)市場(chǎng)信息出現(xiàn)反應(yīng)偏差的原因嗎:基于貝葉斯分位數(shù)回歸模型的研究[J];區(qū)域金融研究;2014年07期

2 吳擰洪;趙衛(wèi)亞;謝祺;;面板向量分位數(shù)回歸及其在居民消費(fèi)行為研究中的應(yīng)用[J];統(tǒng)計(jì)研究;2014年06期

3 李揚(yáng);曾憲斌;;面板數(shù)據(jù)模型的懲罰似然變量選擇方法研究[J];統(tǒng)計(jì)研究;2014年03期

4 李翰芳;羅幼喜;田茂再;;面板數(shù)據(jù)的貝葉斯Lasso分位回歸方法[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2013年02期

5 陶雄華;盧李;;我國(guó)商業(yè)銀行EVA價(jià)值創(chuàng)造及影響因素分析[J];中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào);2010年05期

6 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

，

本文編號(hào)：772001