大数据下分位数回归通讯有效算法及其应用

考虑风险度量中常见的分位数回归模型，给出在超大容量数据且复杂数据类型下的几类快速分布式算法.虽然仅考虑分位数回归模型，但本文提供的算法大多数可以应用到其它更一般的模型中.由于分位数回归模型的目标函数为非光滑函数，通常的分块集成法和光滑函数高效通讯算法并不适用.本文首先针对完整观测数据，给出了分位数回归模型参数估计的等度连续法，光滑函数逼近法和改进的数萃(Meta)方法三种分布式通讯有效算法.进一步，考虑了非平衡半监督数据，分别针对无标签数据样本量较小和较大两种情形，提出了加权损失函数法和改进的数萃方法两种数据融合方法.所提出的方法可以把分散在不同机器上的半监督数据进行数据融合，从而实现不同数据类型和不同样本量情形下的高效通讯分布式计算，提高算法的精度和参数估计的效率.本文通过大量仿真模拟研究了所提出的算法在有限样本下的表现，并将其应用到了洛杉矶流浪人口数的实际数据分析中，发现其均具有较好的准确性.     

基于动态面板数据分位数回归模型的福州市房价影响因素分析

房地产业作为基础性和先导性产业,对经济和社会的影响有着举足轻重的作用。因此,房价影响因素的探讨一直都是国内外的热点话题。该文在研究城市人口密度、家庭人均可支配收入以及利率对房价的影响机制的基础上,选取了福州市2010—2017年的样本数据,利用动态面板数据的分位数回归模型进行了实证分析。结果表明,家庭可支配人均收入和人口密度的增加对房价的正影响随着分位数的增加呈逐步上升的趋势,即福州房价上涨的主要因素是家庭人均可支配收入和城市人口密度,利率的变化并不是福州市房价变动的主导因素。     

基于分位数回归的金融市场稳定性检验

本文立足于收益波动率的视角界定了金融市场稳定的内涵,提出了基于分位数回归的检验金融市场稳定的方法,并运用该方法对我国股票市场的稳定性做了实证分析。结果显示,上海股票市场从不稳定状态向稳定状态发展,特别是在美国次贷危机引发的全球金融危机之后较快地进入了稳定状态,该结论同时也通过了来自系统性冲击和波动率周期选取的稳健性检验,并且支持了我国政府应对全球性金融危机出台各项政策的积极效应和正面效应。     

基于分位数回归的经济增长与财政支出实证研究

本文从巴罗的经济增长理论入手,探讨了经济增长与资本、劳动和政府支出的三者之间的关系,得到关于政府支出最优规模模型。同时利用分位数回归方法进行实证研究,结果说明:不同的经济增长水平下,劳动数量对经济增长没有显著影响,重要的是实际财政支出规模均达不到最优规模。在此基础上,提出了一些政策建议。     

基于非线性分位数回归模型的多期VaR风险测度

多期VaR主要受到持有期及波动率两个变量的影响,并且其影响模式(线性或非线性)的确定对于准确地进行VaR风险测度至关重要。非线性分位数回归模型,能够克服线性分位数回归模型只能揭示多期VaR及其影响因素之间线性依赖关系的局限,从而提高多期VaR风险测度的准确性。结合波动模型与两个非线性分位数回归方法:QRNN和SVQR,给出了多期VaR风险测度的三类方案:波动模型法、QRNN+波动模型法、SVQR+波动模型法。选取3个股票价格指数作为研究对象,考虑了6种不同形式的波动模型,得到了18个多期VaR风险测度方法进行实证比较,结果表明:波动模型选择影响到多期VaR风险测度效果;SVQR+波动模型法略优于QRNN+波动模型法,并且两者显著优于波动模型法。     

指令不均衡与股票收益关系研究——基于大规模数据分位数回归的实证

在指令不均衡与股票收益关系研究中,常常遇到两个困难：第一,不同市场环境下,前者对后者存在异质影响;第二,往往涉及大规模数据处理。为此,运用大规模数据分位数回归的方法,一方面揭示不同分位点处指令不均衡对股票收益的异质影响,细致刻画两者之间关系;另一方面适应大规模数据建模要求,得到更为可靠的结果。以上证A股和深证A股为研究对象,通过大规模数据分位数回归方法,得到了比均值回归更多有用信息。实证结果表明：第一,在高分位点处,滞后1期指令不均衡对股票收益具有正向影响且呈现上升趋势,而在低分位点却具有负向影响;第二,控制当期指令不均衡后,滞后期指令不均衡对股票收益具有负向影响,且随着分位点的增加呈现下降趋势。这些结果意味着,指令不均衡对股票收益具有一定的解释能力和预测能力。     

基于GLM的贝叶斯变量与模型选择

针对非正态响应的部分因子试验,当筛选试验所涉及的因子数目较大时,提出了基于广义线性模型(generalized linear models,GLM)的贝叶斯变量与模型选择方法.首先,针对模型参数的不确定性,选择了经验贝叶斯先验.其次,在广义线性模型的线性预测器中对每个变量设置了二元变量指示器,并建立起变量指示器与模型指示器之间的转换关系.然后,利用变量指示器与模型指示器的后验概率来识别显著性因子与选择最佳模型.最后,以实际的工业案例说明此方法能够有效地识别非正态响应部分因子试验的显著性因子.     

基于MIDAS分位数回归的条件偏度组合投资决策

条件偏度是金融市场典型特征之一,忽略条件偏度的组合投资决策往往难以有效地分散金融风险。为此,本文构建了包含条件偏度的组合投资模型,并给出其建模方法。首先,运用MIDAS-QR模型,改善条件偏度测度效果;其次,基于CRRA效用函数,将组合投资权重设计为条件偏度和特征变量的线性组合,建立组合投资模型并给出求解方案;最后,从沪深300指数中选取10支代表性成分股进行实证研究,从收益、风险和Sharpe比率等方面,将包含条件偏度的组合投资模型与等权方案、均值-方差模型等进行比较,分析条件偏度在组合投资中的作用。实证结果表明：MIDAS-QR是测度条件偏度的有效方法,其测度结果受异常值影响小,表现稳定;条件偏度对组合投资决策具有显著影响,包含条件偏度的组合投资模型能够有效地降低投资风险、带来更高的风险调整收益。     

基于CPFR的需求预测新方法——分位数回归预测法

本文引入计量经济学前沿预测研究方法-指数加权分位数回归预测,并建立需求预测模型.该模型通过直接预测销售序列的分位数,避免既存研究中基于假设的预测失误,使预测结果更加贴近需求模式的真实值.在此基础上建立基于CPFR的供应链系统成本模型,对比分析表明指数加权分位数回归方法的预测精度较高.     

中国股票市场存在特质波动率之谜吗? ——基于分位数回归模型的实证分析

选取我国沪深A股所有股票作为研究对象,采用OLS回归残差标准差提取和GARCH(1,1)加权平均等两种方法估计特质波动率,并利用Fama-MacBeth横截面回归法和分位数回归法对特质风险与股票预期回报之间的相关关系进行了实证研究.发现:OLS回归结果表明我国股票市场的特质波动率与股票预期回报之间呈现负相关关系,但在统计上不显著;分位数回归则表明我国股票市场的特质波动率风险与股票预期回报之间的关系是随着分位水平的变化而变化的,特质风险在低分位水平下与股票预期回报呈显著负相关关系,而在高分位水平下则与股票预期回报之间呈显著正相关关系.     

基于零膨胀分位数两部模型的银行贷款违约预测研究

贷款信用风险评估是银行风控的重要内容。贷款逾期天数作为常见的风险度量指标,具有典型的零膨胀特征。对于零膨胀数据,传统的线性回归不再适用,两部模型是常用的代表方法。考虑到贷款数据具有偏态分布特征,本文构建了一个分位数两部模型—logit-quantile模型。该模型由Logistic回归和分位数回归构成,为了进行风险因素的选择,在模型的两个回归中添加了Lasso惩罚。为了求解模型,本文采用了坐标下降法和线性规划法相结合的迭代算法。模拟分析显示,对比逐步法和常用的logit-linear两部模型,新模型表现出了最好的变量选择效果,尤其在零膨胀比例为80%及高维情形时,该模型的表现仍然最优。最后对某银行的贷款数据实证分析显示,新模型具有更精简的结构,采用交叉验证技术进行预测显示新模型的预测和分类表现最好。     

基于虚拟变量分位点回归模型的条件VaR估计以及杠杆效应分析

已有成果在研究杠杆效应时大多数都是基于ARCH类模型,从波动率的角度进行分析的。本文应用分位点回归模型以及含有虚拟变量的分位点回归模型分析了"已实现"波动率条件下的CVaR,并尝试从市场风险的角度对杠杆效应进行分析。最后,对中国股票市场进行了实证研究,得到了"已实现"波动率条件下的CVaR估计,并从风险的角度证实了中国股市的市场风险存在杠杆效应。     

Nonparametric Instrumental Variable Estimation of Structural Quantile Effects

We study the asymptotic distribution of Tikhonov regularized estimation of quantile structural effects implied by a nonseparable model. The nonparametric instrumental variable estimator is based on a minimum distance principle. We show that the minimum distance problem without regularization is locally ill‐posed, and we consider penalization by the norms of the parameter and its derivatives. We derive pointwise asymptotic normality and develop a consistent estimator of the asymptotic variance. We study the small sample properties via simulation results and provide an empirical illustration of estimation of nonlinear pricing curves for telecommunications services in the United States.     

国际性无形技术外溢与中国全要素生产率——基于分位数回归的实证研究

考虑国际性技术外溢中技术外溢方和吸收方互动因素的基础上,本文测算了我国各省吸收同化的无形国际性外溢R&D存量,将其代入Coe和Helpman推导的内生增长模型中,利用我国各省的面板数据估计了自主R&D存量和无形国际性外溢R&D存量对全要素生产率的弹性系数,同时,应用了分位数回归分析了无形国际性技术外溢对TFP的贡献随着各省市TFP的分位点的变化而变化的趋势。研究结果表明,自主R&D投资显著促进全要素生产率的增长,是我国各省技术进步的主要推动力;无形的国际性技术外溢同样促进了各省的全要素生产率的提高,但其作用要小于自主R&D投资对各省全要素生产率的推动作用。分位数回归结果进一步表明,随着各省市全要素生产率的提高,无形的国际性技术外溢对各省全要素生产率的促进作用逐步降低。     

基于动态分类器集成选择的不完整数据客户分类方法实证研究

在管理决策的制定中,分类已经成为一种十分重要的方法和技术。由于现实客户数据常常是不完整的,因此,研究不完整数据的客户分类问题具有重要意义。通过分析以往分类过程中对不完整数据的处理方法,提出了一种基于动态分类器集成选择的不完整数据分类方法DCES-ID。分别在UCI客户分类数据集以及某券商客户数据集上进行分类的实验和实证分析。结果表明,与已有的6种分类算法相比,DCES-ID算法具有更高的分类准确性及稳定性,能够更有效地进行客户分类。     

基于变量选择和遗传网络规划的期货高频交易策略研究

高频交易在当前国际金融市场上炙手可热,股指期货的推出、融资融券和转融通业务的开通,使得我国高频交易市场初现端倪。本文立足于我国金融衍生品市场的现状提出了基于LASSO变量选择方法和遗传网络规划的期货高频交易策略。该策略首先使用LASSO从众多技术指标中,选出极少数最有效的指标作为判断函数,然后通过一种进化算法遗传网络规划来搜索合适的买点和买点,从而构建交易策略,并以黄金、铝和橡胶期货的5分钟高频交易数据为例进行回测检验。结果显示:第一,与最优子集法相比,LASSO方法在不降低预测精度的情况下,选出的指标数量最少,且均集中在趋势指标和震荡指标中。第二,通过结合遗传网络规划模型与Q强化学习法,搜索效率得到了显著提高,构建出适合于衍生品市场的简洁有效的交易策略,且在不同品种的期货交易中均超越了"买入并持有"策略,并获取超额收益,在量化投资领域充分体现了实践价值。     

基于贝叶斯神经网络短期负荷预测模型

本文提出了基于贝叶斯神经网络(BNN)短期负荷预测模型。根据气象影响因素和电力负荷的样本数据,针对权向量参数的先验分布分别为正态分布和柯西分布两种情况,应用混合蒙特卡洛(HMC)算法学习了BNN的权向量参数。由HMC算法和Laplace算法学习的贝叶斯神经网络以及BP算法学习的传统神经网络分别对4月 (春)、8月 (夏)、10月 (秋)和1月(冬)每月25天的每个整点时刻的负荷进行了预测。这些神经网络的输入层有11个节点,它们分别与每个整点时刻和的气象因素、上一个整点时刻的气象因素和时间变量相对应,输出层只有一个节点,它与负荷变量对应。试验结果表明HMC算法学习的BNN的预测结果的百分比平均绝对误差( MAPE)和平方根平均误差( RSME )取值远远小于由Laplace 算法学习的BNN和BP算法学习的人工神经网络的 MAPE和RMSE。 而且,HMC算法学习的BNN在测试集和训练集上的预测误差MAPE和RMSE的相差很小。 实验结果充分说明HMC算法学习的BNN具有较高的预测精度和较强的泛化能力。     

缺失数据下ARMA(1, 1)模型的估计方法

近几十年以来,国际上在对"风险的处理和效益的优化"这两个现代金融学的中心议题的分析和处理过程中,金融时间序列的计量学模型及其相应的分析越来越起到非常重要的作用.对于线性时间序列模型如AR(p),MA(q),ARMA(p,q)等,已经为我们所熟知.具体到模型的参数估计在数据没有缺失时,也有很多经典的办法,如最小二乘法、极大似然法等.但是当数据在中间有缺失时,上述方法将无能为力.本文将详细讨论在数据有缺失时的ARMA(1,1)模型,即Zt=αZ_t-1+ε_t-βε_t-1的参数的估计方法.