贝叶斯自适应Lasso分位数回归及其在EVA分析中的应用

发布时间：2017-09-01 12:11

  本文关键词：贝叶斯自适应Lasso分位数回归及其在EVA分析中的应用

  更多相关文章： 贝叶斯估计 自适应Lasso 分位数回归 ALD分布 经济增加值

【摘要】：传统最小二乘估计法只关心协变量对响应变量均值的影响,而分位数回归方法考虑了在不同分位点水平下协变量对响应变量的影响。与频率统计方法相比,采用贝叶斯参数估计法对分位数回归进行估计更具有稳健性。本文将贝叶斯分位数回归方法与自适应Lasso变量选择方法结合,引入了贝叶斯自适应Lasso分位数回归模型进行探索研究,并应用于上市公司经济增加值(EVA)影响因素的实证研究。第一章为绪论,指出贝叶斯自适应Lasso分位数回归模型的研究背景及意义,并对其进行了相关文献回顾,同时对本文的研究内容和创新点进行了总结。第二章对贝叶斯自适应Lasso分位数回归的基本思想和原理进行阐述,然后基于非对称拉普拉斯分布(ALD分布)的扰动项假设,推导出模型各个参数的全条件后验分布,并构建Gibbs抽样。第三章通过几个马尔科夫链蒙特卡洛模拟检验贝叶斯自适应Lasso分位数回归模型的参数估计效果。首先,与贝叶斯Lasso分位数回归模型、分位数回归模型进行比较检验其参数估计效果。进一步,在不同扰动项假设和不同样本量下进行模拟来比较检验其参数估计效果。通过模拟比较发现,基于ALD分布扰动项假设下的贝叶斯自适应Lasso分位数回归方法的参数估计效果较好。第四章是实证研究部分。本部分以沪深A股上市公司的经济增加值及其影响因素为研究对象,构建贝叶斯自适应Lasso分位数回归模型。实证结果表明,净资产收益率、总资产收益率、固定资产比率、存货周转率、长期资本负债率、已获利息倍数对上市公司经济增加值影响最大。自适应Lasso方法剔除了其他11个变量。最后,根据文章实证部分得出的结果提出了相关的建议。第五章总结了研究结论并根据本文方法的局限性,提出了研究展望。
【关键词】：贝叶斯估计 自适应Lasso 分位数回归 ALD分布 经济增加值
【学位授予单位】：闽南师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O212.1
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-18
• 1.1 研究背景及意义10-12
• 1.2 文献综述12-16
• 1.2.1 分位数回归的研究现状12-13
• 1.2.2 贝叶斯分位数回归的研究现状13-14
• 1.2.3 自适应Lasso变量选择方法的研究现状14-15
• 1.2.4 经济增加值的研究现状15-16
• 1.3 研究内容16-17
• 1.4 论文的创新点17-18
• 第2章 贝叶斯自适应Lasso分位数回归模型的原理18-30
• 2.1 基于ALD分布的贝叶斯分位数回归模型介绍18-21
• 2.2 基于ALD分布的贝叶斯自适应Lasso分位数回归模型介绍21-23
• 2.3 各参数全条件后验分布推导23-27
• 2.4 Gibbs抽样的构建27-30
• 第3章 贝叶斯自适应Lasso分位数回归模拟研究30-38
• 3.1 QR、BLQR、BALQR三种模型的模拟比较30-34
• 3.2 四种不同扰动项假设下BALQR方法的模拟比较34-35
• 3.3 不同样本量下BALQR方法的模拟比较35-38
• 第4章 上市公司EVA影响因素实证研究38-46
• 4.1 EVA指标的内涵38
• 4.2 EVA影响因素指标选取38-40
• 4.3 实证分析40-44
• 4.3.1 数据来源及预处理40-42
• 4.3.2 EVA影响因素相关性检验42-43
• 4.3.3 模型估计43-44
• 4.4 结论与建议44-46
• 第5章 研究总结与展望46-48
• 5.1 研究总结46
• 5.2 研究展望46-48
• 参考文献48-52
• 附录1 第三章模拟R语言程序代码52-56
• 附录2 第四章实证R语言程序代码56-58
• 致谢58-60
• 攻读硕士学位期间完成的论文60

【参考文献】

中国期刊全文数据库 前6条

1 倪中新;薛文骏;;投资者情绪是导致我国投资者对市场信息出现反应偏差的原因吗:基于贝叶斯分位数回归模型的研究[J];区域金融研究;2014年07期

2 吴擰洪;赵卫亚;谢祺;;面板向量分位数回归及其在居民消费行为研究中的应用[J];统计研究;2014年06期

3 李扬;曾宪斌;;面板数据模型的惩罚似然变量选择方法研究[J];统计研究;2014年03期

4 李翰芳;罗幼喜;田茂再;;面板数据的贝叶斯Lasso分位回归方法[J];数量经济技术经济研究;2013年02期

5 陶雄华;卢李;;我国商业银行EVA价值创造及影响因素分析[J];中南财经政法大学学报;2010年05期

6 李育安;;分位数回归及应用简介[J];统计与信息论坛;2006年03期

，

本文编号：772001