Quantile cointegrating regression
分位数协整回归AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究协整时间序列的分位数回归、分位数变化系数及相应估计和检验方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
分位数协整回归
- 研究问题
- 当协整系数可能随创新分位数及冲击变化时，如何建立分位数协整模型，并处理内生解释变量导致的推断偏差？
- 方法与思路
- 作者提出分位数变化系数的协整模型，推导渐近性质，并构造完全修正与增广分位数协整估计以及基于修正估计的Wald检验。
- 材料陈述的贡献
- 摘要称，新模型包含传统协整模型作为特例，并为含内生解释变量的情形提供消除二阶偏差和干扰参数的方法及股票指数应用。
- 阅读关注点
- 阅读全文时应核对创新分位数与协整关系的定义、系数变化如何保持协整，以及完全修正、增广估计和Wald检验的适用条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断模型是否优于其他随机协整或GARCH设定；摘要未说明具体假设、实证效应或有限样本表现。
原文摘要
Quantile regression has important applications in risk management, portfolio optimization, and asset pricing. The current paper studies estimation, inference and financial applications of quantile regression with cointegrated time series. In addition, a new cointegration model with quantile-varying coefficients is proposed. In the proposed model, the value of cointegrating coefficients may be affected by the shocks and thus may vary over the innovation quantile. The proposed model may be viewed as a stochastic cointegration model which includes the conventional cointegration model as a special case. It also provides a useful complement to cointegration models with (G)ARCH effects. Asymptotic properties of the proposed model and limiting distribution of the cointegrating regression quantiles are derived. In the presence of endogenous regressors, fully-modified quantile regression estimators and augmented quantile cointegrating regression are proposed to remove the second order bias and nuisance parameters. Regression Wald tests are constructed based on the fully modified quantile regression estimators. An empirical application to stock index data highlights the potential of the proposed method.