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变点估计问题提出两种新的估计方法:门限自回归分位数复合估计和分位数平均估计.在一些实际数据分析中,研究发现在不同分位数水平下门限分位数自回归模型中的变点非常接近.基于变点的这种共同性,首先通过最小化不同分位数下的联合损失函数得到更有效的复合变点估计,并进一步推导复合变点估计量的渐近性质,以及基于似然比和自助法构建所提出估计量的置信区间.其次,通过对不同分位数下的变点估计量求平均提出另一种复合分位数估计方法,即门限分位数平均估计,并给出相应的大样本性质.数值模拟研究发现,相比传统的门限最小二乘估计和分位数估计,所提出的两种方法在有限样本条件下更加有效.最后,分析2005–2014年上证A股指数展示所提出方法的实际应用表现.

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.