原文链接：http://tecdat.cn/?p=18984
原文出处：拓端数据部落公众号
当初，分位数回归已被确立为重要的计量经济学工具。与均值回归（OLS）不同，指标不是给定x的均值，而是给定x的一些分位数。您能够应用它来查找具备良好回升后劲的股票。您可能会认为这与股票的beta无关，然而beta与OLS相干，并且是对称的。如果市场呈现上涨，高beta股票将取得上行稳定的收益，但对称地，当市场上涨时，您可能会蒙受巨额亏损。
应用下图最好地了解分位数回归的用法：
绘制的是股票收益。蓝线是OLS拟合值，红线是分位数（80％和20％）拟合值。
在上部面板中，您能够看到，当市场上涨时（X轴上的正值很高），Y轴上的扩散很大。当市场上涨时，绝对的扩散水平而言较大。在底部面板中，状况相同。当市场上涨时，您“十分理解”股票会产生什么，然而当市场处于上涨时，股票收益的不确定性就会升高。思考到其余因素，您心愿投资组合中蕴含高位股票。当市场上涨时，它们收益很好，但同时在上涨的过程中提供绝对的确定性。
以下代码读取股票行情，并找到最佳比率，即：上行时分散度高，而上行时分散度低：
dat0 = getSymbols(sy\[1\], src="yahoo", from=start, to=end, auto.assign = F, warnings = FALSE,symbol.lookup = F)#查问最近365天：dat <- gtint(sym = c(tickers,"SPY"),365) # 将样品划分成两局部ins <- n/2# 在0.2和0.8之间查找斜率 Tau = c(.2,.8)for (j in 1:(l-1)for (i in 1:length(Tau) qslope\[i,j\] = rq(dat$ret\[2:ins,j~dat$ret\[2:ins,l, tau = Tau\[i\])$coef\[2\] # 确定哪些股票有用：dat$ret <- dat$ret\[,rat0<2 & rat0>(-2)\] ## 画图plot(dat$ret\[1:ins,which.max(rat)\]~dat$ret\[1:ins,l\] plot(dat$ret\[1:n,which.min(rat)\]~dat$ret\[1:n,l\],title(nam)咱们应用样本的前半部分来抉择咱们要应用的股票。假如咱们以最差的比率做空股票，并以最佳的比率做多股票。
dat$p <- dat$p\[,rat0<2 & rat0>(-2)\]plot(dat$p\[1:ins,l\]/dat$p\[1,l\], ty = "l", ylim = c(.8,1.5),plot(dat$p\[ins:n,l\]/dat$p\[ins,l\], ty = "l", ylim = c(.8,1.5), xlab = "样本外期间",)从后果能够看到模型有较好的体现。
最受欢迎的见解
1.用机器学习辨认一直变动的股市情况—隐马尔科夫模型(HMM)的利用的利用")
2.R语言GARCH-DCC模型和DCC（MVT）建模预计
3.R语言实现 Copula 算法建模依赖性案例剖析报告
4.R语言COPULAS和金融工夫序列数据VaR剖析
5.R语言多元COPULA GARCH 模型工夫序列预测
6.用R语言实现神经网络预测股票实例
7.r语言预测稳定率的实现：ARCH模型与HAR-RV模型
8.R语言如何做马尔科夫转换模型markov switching model
9.matlab应用Copula仿真优化市场危险