基于分位数回归下的模型平均在指数追踪中的应用

发布时间：2023-04-05 01:35

　　近年来,不少基金管理公司和投资人都青睐于通过指数追踪进行投资。所以,如何构建一个合理的股票投资组合并使其拥有较小的追踪误差便成了研究指数追踪的焦点。本文获取了2021年2月19日至2021年4月26日上证50指数及其50只成分股的5分钟线的收盘价,共2206个样本数据,以此作为研究对象。考虑到分位数回归和模型平均的优点,本文采用基于分位数回归下的模型平均方法来构建指数追踪组合模型。本文对上证50指数的收盘价数据进行了描述性统计分析,发现上证50指数的收盘价数据不服从正态分布,且具有尖峰、厚尾和右偏等特征。因此,选择基于分位数回归模型来考察不同分位点处上证50指数收盘价与其成分股收盘价之间的关系。理论上可以选择全部成分股进行指数追踪,但50只成分股之间存在多重共线性,且要想利用有限的资金进行投资,必须对股票进行合理的选择。因此,本文在0.05、0.10、0.25、0.50、0.75、0.90、0.95这七个分位点处,采用逐步回归、Lasso-QR、SCAD-QR进行变量选择,结果显示:逐步回归在这七个分位点处均保留了大部分成分股;Lasso-QR方法保留了相同的26只成分股,入选的成份股...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1.绪论
    1.1 研究背景
    1.2 研究意义
    1.3 文献综述
    1.4 论文基本内容
2.分位数回归模型
    2.1 分位数回归简介
    2.2 分位数回归的基本思想
    2.3 分位数回归的参数估计及性质
3.变量选择
    3.1 变量选择方法简介
    3.2 子集选择
    3.3 惩罚函数
4.分位数模型平均
    4.1 模型平均方法简介
    4.2 子模型的构建
    4.3 基于信息量准则的权重选择方法
5.实证分析
    5.1 数据说明及描述性统计分析
    5.2 变量选择分析
    5.3 建立上证50指数追踪模型
    5.4 模型比较分析
6.总结与展望
    6.1 总结
    6.2 不足与展望
参考文献
致谢



本文编号：3782461