基于CoVaR方法对中国系统重要性银行的实证研究——GARCH模型和分位数回归方法的对比分析

本文基于CoVaR方法,选取我国14家上市商业银行的股票日收益率序列为研究对象,分别应用分位数回归Co Va R模型和GARCH-Co Va R模型,结合巴塞尔协议对系统重要性金融机构的定义方法,对我国商业银行系统中各银行的系统重要性程度进行分析。通过拟合度的优劣选取最佳模型进行实证,从而得出:中国银行、工商银行、建设银行等几家大型国有商业银行的系统重要性程度较高,随着经济的发展,部分股份制或城市商业银行(如宁波银行、中信银行)的系统重要性程度也在增高,另外根据实证结果对分位数回归Co Va R模型和GARCH-Co Va R模型的优缺点进行相应的分析,从而为后续研究提供相应的思路,并为我国银行业金融监管政策的制定提供依据。

多水平线性分位数回归增值评价模型估计精度的影响因素探析

随着教育评价改革的深入推进和增值评价实践的不断拓展,增值计算的科学性及估计精度问题日益受到重视。本研究以多水平线性分位数回归增值评价模型为研究对象,借助数据模拟的方法探讨了组间变异系数、群体内样本量(学生层面)及群体样本量(班级层面)三个因素对于增值评价模型估计精度的影响。研究主要得到以下两点结论:1)就学生增长百分位数估计而言,采用多水平分位数回归方法的误差较大,估计精度不稳定,组间变异系数会影响学生增长百分位数的估计精度,而群体内样本量、群体样本量均不会对其有显著影响;2)就群体增长百分位数估计而言,采用多水平分位数回归方法的误差很小,具有较优的估计精度,群体内样本量会影响群体增长百分位数的估计精度,而组间变异系数和群体样本量均不会对其有显著影响。

部分线性变系数模型的贝叶斯分位数回归

针对部分线性变系数模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,并基于Gibbs抽样推导出所有未知参数的后验分布,通过数值模拟比较分析了贝叶斯分位数回归与分位数回归参数估计的优劣,结果表明,在均方误差准则下,贝叶斯分位数回归的估计效果更优。最后,通过实例分析说明了所提方法的有效性。

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.

不同房价水平下各因素对其影响的差异性分析——基于分位数回归模型

文章采用分位数回归模型从需求类因素、供给类因素、宏观环境类因素与政策类因素四个方面,利用2003-2022年的数据,对影响房价的各因素进行研究。实证结果表明:在不同房价水平下各因素对其影响具有差异性,国内生产总值除对极高房价有正向影响外,对其余房价均为负向影响;购房者房价预期和居民消费价格指数对各个房价均有显著的正向影响;竣工面积对房价均有负向影响,且除极低房价外,其余房价均显著;股票价格和政策调控均对中等房价有显著的正向影响。最后文章从房地产调控要保证股市的稳定,做好房地产市场预期引导,灵活调整房地产调控政策等方面提出了相应的政策建议。

基于加权复合分位数回归的变系数部分线性模型的稳健经验似然估计

研究了变系数部分线性模型的稳健经验似然推断问题。利用加权复合分位数回归以及经验似然方法,并结合基于矩阵QR分解的正交投影技术,对模型的参数分量提出了一种基于加权复合分数回归的经验似然估计方法。理论证明了提出的经验对数似然比函数渐近服从卡方分布,得到参数分量的置信区间。该估计方法中引入了基于矩阵QR分解的正交投影技术,保证对模型的参数分量进行估计时不会受到非参数分量估计精度的影响,因此具有较好的稳健性和有效性。

分位数因子增广的分位数自回归分布滞后模型构建

因子增广回归是利用高维数据对宏观经济进行预测的重要方法。然而,均值回归框架下的因子模型和回归模型在面对异常值或厚尾分布时结果不够稳健。为此,文章在分位数回归框架下构建分位数因子增广分位数自回归分布滞后模型,该模型通过构建分位数因子模型对高维数据进行降维,提取不同分位点的公共因子;进一步,利用提取出的公共因子和响应变量的滞后项构建分位数自回归分布滞后模型。数值模拟结果表明,在数据出现异常值或厚尾分布的情境下,分位数因子分析估计的均值因子和非均值因子更稳健,分位数因子增广回归的预测性能优于因子增广回归的预测性能,且分位数因子增广分位数自回归分布滞后模型的预测性能优于基准模型。

基于融合Lasso的非参数加性分位数回归模型

加性分位数回归为非线性关系的建模提供一种灵活、鲁棒的方法.拟合加性分位数模型的方法通常使用样条函数逼近分量,但需要先验的选择节点,计算速度较慢,并不适合大规模数据问题.因此文中提出基于融合Lasso的非参数加性分位数回归模型(Nonparametric Additive Quantile Regression Model Based on Fused Lasso,AQFL),是在融合Lasso罚和l_(2)罚之间折衷的可对加性分位数回归模型进行估计和变量选择的模型.融合Lasso罚使模型能快速计算,并在局部进行自适应,从而实现对所需分位数甚至极端分位数的预测.同时结合l_(2)罚,在高维数据中将对响应影响较小的协变量函数值压缩为零,实现变量的选择.此外,文中给出保证收敛到全局最优的块坐标ADMM算法(Block Coordinate Alternating Direction Method of Multipliers,BC-ADMM),证明AQFL的预测一致性.在合成数据和碎猪肉数据上的实验表明AQFL在预测准确性和鲁棒性等方面较优.

多节点分位数回归模型在睡眠时间和抑郁程度研究中的应用

目的介绍多节点分位数回归模型及其在睡眠时间和抑郁程度关联分析中的应用。方法基于NHANES数据库,使用R语言软件MultiKink包拟合多节点分位数回归模型,估计回归参数和节点位置并检验节点效应存在性。结果抑郁程度和睡眠时间存在显著的非线性关系,7~8 h睡眠时间的抑郁程度最低,抑郁程度高分位数受睡眠时间的影响较低分位数更大。结论多节点分位数回归模型拟合效果好,适用性广泛,基于模型分析结果可以为高风险人群采取更有针对性的临床和公共卫生的干预提供建议。

部分线性变系数模型的贝叶斯复合分位数回归

部分线性变系数模型由参数和非参数2部分组成,具有适应范围广和解释性强双重优点。针对该模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用复合非对称拉普拉斯分布实现贝叶斯复合分位数回归,并基于Gibbs抽样算法推导出所有未知参数的后验分布,以获取参数的估计值。通过数值模拟对贝叶斯复合分位数回归与贝叶斯分位数回归、贝叶斯线性回归参数估计效果进行比较分析,结果显示:当误差服从非正态分布时,在均方误差准则下,贝叶斯复合分位数回归估计表现更优。基于上述3种方法对实例数据进行预测分析,结果表明:在平均绝对偏差和均方误差预测意义下,基于贝叶斯复合分位数回归的预测效果更好。

基于复合分位数回归的部分线性模型平均估计

针对部分线性模型的参数与非参数估计问题,基于复合分位数回归提出了一种稳健的模型平均估计量.为了提高估计效率,采用B样条的方法拟合子模型中的非参数函数.数值模拟和仿真实验证明了所提出的估计量预测效果优良.

中国上市银行系统性风险溢出效应研究——基于极端分位数回归的非对称CoVaR模型

本文针对金融机构总资产正、负收益率对系统性风险溢出效应的不同影响,构建非对称CoVaR模型,使用尾部极端分位数回归方法估计我国上市银行对金融系统整体风险的溢出效应。研究表明:第一,尾部极端分位数回归方法能有效地刻画上市银行市场价值总资产收益率厚尾非正态分布特征,能准确地度量银行与系统尾部风险联动性;第二,金融机构总资产正、负收益率对系统性风险的影响存在明显的非对称性,负收益率绝对值影响远大于正收益率,且系统性风险与负收益率绝对值的变化呈正向关系;第三,国有制银行、股份制商业银行和区域性地方银行等的平均溢出效应ΔCoVaR,在截面维度上具有较强的协同性,在时间维度上具有周期性和时效性。本文研究为我国金融市场系统性风险的识别、度量及宏观审慎监管提供了有价值的参考。

考虑多前车位置及分位数速度差跟驰模型稳定性分析

为探究交通流特性对车辆跟驰行为的影响,基于分位数回归方法对跟驰模型进行改进,通过稳定性分析方法利用车头间距描述交通拥堵情况。根据分位数回归方法对模型中的优化速度函数进行改进,并将其应用于考虑多前车位置及速度差跟驰模型,使模型可以通过分位点的变换,在仿真过程中模拟不同驾驶风格的车辆。运用傅里叶变换理论推导出该模型的线性稳定性条件,并通过摄动法求得其修正Korteweg-de Vries(mKdV)方程的解,根据车头间距的扭结-反扭结解描述交通拥堵的变化情况。分析对比考虑不同因素的跟驰模型的稳定性临界曲线,为评估改进模型的有效性,搭建环形车道仿真平台并对改进模型进行数值实验。结果表明:在仿真实验中,随着分位点的增加,改进模型达到稳定状态的平均速度逐渐增加,车速分别为9.57、12.58、14.76 m/s;相比原模型,改进模型能够实现更少的位移波动,位移差最小为1.05 m;在混合模型实验中,随着激进驾驶风格车辆数量的增加,改进模型与多速度差模型相比,车队整体的平均速度达到12.42 m/s,位移波动能够达到稳定状态。

中国股票市场板块间风险溢出效应研究——基于分位数回归的CoVaR模型

自上世纪90年代以来,中国股票市场不断发展和完善,目前已形成了由沪深主板市场、中小板市场、创业板市场、新三板市场等构成的多层次资本体系。本文基于2010—2019年期间我国股票市场板块指数日收益率数据,利用分位数回归方法研究我国股票市场各板块间的风险溢出效应,将CoVaR方法应用于各不同市场板块间风险溢出的方向和大小。实证结果表明:CoVaR方法较之VaR能更加有效度量市场板块间风险溢出效应的变化。我国沪深主板市场、中小板市场、创业板市场之间存在正的双向非对称风险溢出效应,且主板市场对中小板市场、创业板市场的溢出效应要大于中小板市场、创业板市场对于主板市场的溢出效应,因此要严格监控各市场板块间资本异常流动,规范市场,加强监管,预防危机。

基于混合效应和分位数回归的温带针阔混交林树高与胸径关系研究

【目的】基于非线性回归和广义模型构建不同分位数回归和混合效应的树高预测方程,并对比分析非线性模型、不同分位点(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)模型、广义模型及非线性混合效应模型的拟合效果和预测精度,为研究林分生长和收获提供理论依据。【方法】本研究以吉林蛟河地区针阔混交林的主要树种(红松、色木槭、紫椴和水曲柳)为研究对象,基于21.12 hm2样地数据,首先在11个广泛使用的树高方程基础模型中选定基础模型;其次探究林分变量对树高的影响并构建含林分变量的广义模型;最后在基础模型和广义模型的基础上,构建分位数模型,同时考虑样方效应对树高的影响,构建混合效应模型。【结果】(1)各树种均以Richards模型拟合精度更高,且具有生物学意义,选定为基础模型;考虑林分变量与树高的相关性以及模型收敛性,加入优势木高建立的广义模型能显著提高拟合效果。(2)各树种均为中位数τ=0.5时模型拟合效果最佳,且与非线性回归预测精度相近,红松、色木槭、紫椴和水曲柳最高R^(2)值分别为0.811、0.809、0.724和0.617,广义中位数回归预测能力得到进一步提高,R^(2)值分别为0.891、0.874、0.858和0.627。(3)混合效应模型相对其他模型能显著提高预测精度,其中基础混合模型略优于广义混合模型,4个树种R^(2)值达到0.937、0.919、0.906和0.643,表明包含样方效应的混合模型能得到更准确更稳定的预测结果。【结论】与传统方法建立的基础模型和广义模型以及两者的中位数回归模型相较,基于非线性混合效应构建的树高-胸径模型预测精度更高,其中基于基础混合效应构建的吉林蛟河地区混交林树高-胸径模型更具优越性和稳定性。

基于分位数回归的西南太平洋阿根廷滑柔鱼栖息地模型研究

阿根廷滑柔鱼是西南大西洋重要头足类资源,研究其变动、渔场分布与海洋环境的关系是其可持续利用的基础。本文利用分位数回归方法对表温(5m)、表层盐度(5m)、57m盐度及其盐度差、海面高度、叶绿素与阿根廷滑柔鱼钓获率进行回归分析,在中位数和高位数2种情况下分别建立阿根廷滑柔鱼的栖息地指数(HSI)模型,从而揭示西南大西洋阿根廷滑柔鱼栖息地的分布模式。研究表明,本文建立的各分位数回归方程均能较好地解释自变量与应变量的关系(P<0.05)。1~5月在60°W以西、42°S^53°S阿根廷沿海的大部分海域,其HIS值基本上在0.7以上;而58°W以东海域的HIS在0.4以下。阿根廷滑柔鱼适宜栖息地分布(HIS大于0.6)有明显的季节变化。

缺失数据下非线性分位数回归模型的光滑经验似然推断

利用光滑经验似然方法,讨论了缺失数据下非线性分位数回归模型的回归系数的经验似然置信区域。

基于分位数回归的马尾松青冈栎混交林树高-胸径模型

【目的】采用分位数回归方法构建马尾松青冈栎混交林树高-胸径模型,并对比分析不同分位数模型与传统非线性回归模型的拟合与检验结果,以期提高模型预测精度,为混交林树高-胸径模型构建及科学经营提供新的方法和思路。【方法】以湖北省林科院九峰试验林场马尾松青冈栎混交林为研究对象,利用模型优选法确定出最优基础模型,并在此基础上,通过引入树种哑变量和分位数回归方法,构建不同树种不同分位点的树高-胸径分位数回归模型,选取平均绝对误差(MAE)、均方根误差(RMSE)、确定系数(R2)、T检验对不同模型进行对比分析。【结果】1)选取的6个代表性非线性树高曲线模型中,Richard模型综合表现最好,确定为最优基础模型。2)除个别分位点外,分位数回归模型整体拟合结果和预测能力优于哑变量模型和基础模型;马尾松和青冈栎最优分位数回归模型分别为τ=0.5和τ=0.7时;相同立地条件下,青冈栎生长势高于马尾松。3)模型独立检验结果表明分位数回归模型在描述树高曲线分布范围、变化规律以及稳健性上优于哑变量模型和基础模型。【结论】分位数回归方法在模拟混交林树高-胸径关系上表现出了较好的预测效果,将其应用到混交林或天然林树高-胸径关系等的研究中是一个可行思路。鉴于研究样本数据还较有限,兼顾数据整体和个体关联性的方法还有待进一步研究。

通货膨胀持久性及其非对称性研究--基于分位数自回归模型

本文运用分位数自回归模型研究中国通胀率的持久性及其非对称性特征。研究结果表明,中国通胀率具有高持久性,从通胀率条件分布的低分位数到高分位数,持久性不断增强。基于不同分位数的单位根检验结果显示,中国的通胀持久性具有非对称性,即在受到负向冲击或减速通胀状态下,通胀率序列往往服从平稳自回归过程;而在受到正向冲击或加速通胀状态下,通胀率序列通常服从单位根过程。分位数自回归模型可以有效区分通胀率波动路径中的平稳点和非平稳点。据此,央行可以构建预警机制,以对通胀率的波动进行实时监测和调控。

基于大数据结构方程模型及分位数回归的用户需求响应分析

研究用户用电行为是电力公司把握市场动态、提供差异化服务的基础。传统的用电行为分析大多基于用户电表信息制定电价及需求响应机制,对用户的基本信息及反馈意见等缺乏深度挖掘,该文提出一种基于多维用户信息的用户需求响应电量分析方法,针对用户数据规模大、维度高的特点,采用均值处理压缩数据规模;通过Kendall系数及结构方程模型分别对用户需求响应电量与用户的基本信息进行相关性分析,分别得到用户需求响应关联因素的直接影响路径及结构影响路径;基于此,利用分位数回归模型对新增用户的需求响应电量进行概率预测。算例分析表明:用户的需求响应电量与基本信息之间存在结构影响路径;通过对用户需求响应电量的概率预测,能较好地把握用户需求响应电量的分布,为电力公司制定需求响应机制及精细化服务提供指导。