论文部分内容阅读
1978年,Koenker和Bassett在中位数回归的理论基础上,把中位数回归推广到一般的分位数回归。分位数回归是给定回归变量,估计响应变量条件分位数的方法。分位数回归相较于传统的回归方法,应用条件更宽松,挖掘的信息也更丰富。它不仅可以度量回归变量在分布中心的影响,而且还可以度量在分布上尾和下尾的影响,因此较之经典的最小二乘回归具有独特的优势。特别在处理金融数据时,这种优势会带来更显著的效果。本文主要对资产波动率模型、分位数回归理论以及TGARCH模型的分位数回归方法进行了研究。主要内容如下:1.论文介绍了资产波动率及其估计模型,包括Engle(1982)提出的自回归条件异方差模型(ARCH),Bollerslev(1986)提出的广义自回归条件异方差模型(GARCH),Nelson(1991)提出的指数GARCH模型(EGARCH)以及Glonsten等(1993)和Zakoian(1994)提出的门限广义自回归条件异方差模型(TGARCH)。同时,论文也讨论了这些模型的优缺点,以及一些模型的预测。2.论文讨论了分位数回归理论。首先通过分位数及最小二乘回归的定义引入分位数回归的基本概念;其次给出分位数回归的估计方法及渐近性质;然后介绍了分位数回归检验的几种方法:Wald检验以及拟似然比检验。3.论文研究了TGARCH模型的分位数回归估计方法,是对分位数回归方法的进一步推广。在前两章的基础上,把分位数回归的思想应用到TGARCH模型的参数估计中。首先给出了TGARCH模型参数的分位数回归估计模型,其次证明了该参数估计量的一致性,最后为了验证估计的精度和检验的功效,选择IBM的股票日收益率作为研究样本,通过R软件做了数据模拟试验,验证了结论的合理性。