分位数回归模型在高维金融数据分析中的方法和应用

论文摘要

在处理高维数据的时候,若变量之间具有一定的相关性,往往会加大解决问题的难度,我们在进行回归分析之前,先采用聚类分析对数据进行分类。特别是金融领域中很多的高维数据都是尖峰或者厚尾的情况,我们采用聚类分析与分位数回归相结合的方法。利用数值模拟实验,比较分位数回归与线性回归这两种方法在处理异方差和尖峰厚尾数据的异同。在实证分析部分,选取国内股票数据,对影响股票收益率的26个因素进行实证分析,通过聚类分析,筛选出13组影响因素,并采用分位数回归得出每组因素对股票收益率的影响水平,进一步证实本文提出的聚类分析与分位数回归相结合的有效性和可行性。

论文目录

• 引言
•   1、模型建立
•   2、数值仿真
•     2.1 异方差数据
•       2.1.1 数据生成
•       2.1.2 结果分析
•     2.2 尖峰厚尾
•       2.2.1 数据生成
•       2.2.2 结果分析
•   3、实例分析
•   4、讨论

文章来源

类型: 期刊论文

作者: 勾建伟,钱耀飞,汪泽晴

关键词: 分位数回归,最小二乘法,聚类分析,股票收益率

来源: 知识经济 2019年07期

年度: 2019

分类: 经济与管理科学,基础科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 南京林业大学理学院

基金: 江苏省高校基金(15KJB110010),南京林业大学生创新计划(2017NFUSPITP286)

分类号: F832.51;F224

DOI: 10.15880/j.cnki.zsjj.2019.07.023

页码: 39-41

总页数: 3

文件大小: 606K

下载量: 381