检索结果-南通市图书馆

Likelihood ratio-type tests in weighted composite quantile regression of DTARCH models

Science China Mathematics 2019年第12期62卷 2571-2590页

作者： Xiaoqian Liu Xinyuan Song Yong Zhou School of Economics and Finance Shanghai International Studies UniversityShanghai 200083China Department of Statistics The Chinese University of Hong KongHong KongChina Academy of Statistics and Interdisciplinary Sciences and School of Statistics Faculty of Economics and ManagementEast China Normal UniversityShanghai 200062China Academy of Mathematics and Systems Science Chinese Academy of SciencesBeijing 100190China

The double-threshold autoregressive conditional heteroscedastic(DTARCH) model is a useful tool to measure and forecast the mean and volatility of an asset return in a financial time series. The DTARCH model can handle situations wherein the conditional mean and conditional variance specifications are piecewise linear based on previous information. In practical applications, it is important to check whether the model has a double threshold for the conditional mean and conditional heteroscedastic variance. In this study, we develop a likelihood ratio test based on the estimated residual error for the hypothesis testing of DTARCH models. We first investigate DTARCH models with restrictions on parameters and propose the unrestricted and restricted weighted composite quantile regression(wcqr) estimation for the model parameters. These estimators can be used to construct the likelihood ratio-type test statistic. We establish the asymptotic results of the wcqr estimators and asymptotic distribution of the proposed test statistics. The finite sample performance of the proposed wcqr estimation and the test statistic is shown to be acceptable and promising using simulation studies. We use two real datasets derived from the Shanghai and Shenzhen Composite Indexes to illustrate the methodology.

关键词： DTARCH model quantile weigh ted composite quantile regression modified likelihood ratio test,restricted wcqr estimators unrestricted wcqr estimators

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

贝叶斯LASSO正则加权复合分位回归及其应用

引用

应用概率统计 2021年第4期37卷 390-404页

作者：田玉柱田茂再西北师范大学数学与统计学院兰州730070 中国人民大学统计学院北京100872

回归模型一般采取传统的最小二乘估计(LSE)方法,然而当数据包含非正态特征或异常值时该估计方法会导致不稳健的参数估计.与LSE方法相比,即使出现非正态误差或异常数据,复合分位回归(CQR)方法也能提供更稳健的估计结果.基于复合反对称拉... 详细信息

回归模型一般采取传统的最小二乘估计(LSE)方法,然而当数据包含非正态特征或异常值时该估计方法会导致不稳健的参数估计.与LSE方法相比,即使出现非正态误差或异常数据,复合分位回归(CQR)方法也能提供更稳健的估计结果.基于复合反对称拉普拉斯分布(CALD),本文提出了贝叶斯框架下的加权复合分量回归(wcqr)方法.正则化方法已经被验证可以有效处理高维稀疏回归模型,它可以同时进行变量选择和参数估计.本文结合贝叶斯LASSO正则化方法和wcqr方法来拟合线性回归模型,建立了wcqr的贝叶斯LASSO正则化分层模型,并导出了所有参数的条件后验分布以进行统计推断.最后,通过蒙特卡罗模拟和实际数据分析演示了所提出方法.

关键词： wcqr 惩罚LASSO 分位回归(QR) MCMC抽样贝叶斯分层模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：