Geometryczne własności regresji kwantylowej

• Autorzy: Grażyna Trzpiot

Warianty tytułu

Geometric Properties of the Quantile Regression

• Języki publikacji: PL

Abstrakty

Zastosowania miar porządkowych, w tym kwantyli, znajdujemy w różnych obszarach zastosowań, w szczególności w statystyce odpornej. Odejście od klasycznego podejścia bazującego na momentach zmiennej losowej wynika zazwyczaj z analizowanego zbioru danych, który nie spełnia założeń modeli. Dwa pierwsze momenty zmiennej losowej, na których budujemy dalej modele regresji, nie są adekwatne w opisie zbiorów danych z obserwacjami odstającymi. Zbiory danych z asymetrycznymi rozkładami również nie powinny być analizowane z wykorzystaniem modeli regresji estymowanych MNK. Celem artykułu jest prezentacja własności geometrycznych regresji kwantylowej. To podejście metodologiczne wykorzystuje wartości rozkładu, wyznaczając zbiór kwantyli oraz zbiór modeli regresji.(abstrakt oryginalny)

EN

The use of ordinal measures, including quantles, is found in various areas of application, in particular robust statistics. The retreat from the classical approach based on the moments of random variables is usually the result of a data set that does not meet the assumptions of the models. The first two moments of the random variable, on which we are building the regression models, are not adequate in describing the sets of observation data sets. Data sets with asymmetric distributions should also not be analyzed using regression models estimated by MNK. The aim of this paper is to present the geometrical properties of quantile regression. This methodological approach uses the values of the distribution of the random variables by determining the set of quantiles and the set of regression models.(original abstract)

Słowa kluczowe

PL

Regresja kwantylowa; Modele regresji; Pomiar ryzyka; Ryzyko inwestycyjne

EN

Quantile regression; Regression models; Risk measures; Investment risk

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Informatyka i Ekonometria
• Rocznik: 2017
• Tom: 12
• Numer: nr 344
• Strony: 145--157

Twórcy

autor

Grażyna Trzpiot

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Abrevaya J. (2001), The Effects of Demographics and Maternal Behavior on the Distribution of Birth Outcomes, "Empirical Economics" March, Vol. 26, No. 1, s. 247-257.
• Angrist J., Chernozhukov V., Fernandez-Val I. (2006), Quantile Regression under Misspecification, "Econometrica" March, Vol. 74, Iss. 2, s. 539-563.
• Artzner P., Delbaen F., Eber J.-M., Heath D. (1999), Coherent Risk Measures, "Mathematical Finance", No. 9(3), s. 203-228.
• d'Haultfoeuillle X., Givord P. (2014), La régression quantile en pratique, "Économie et Statistique", No. 471, s. 85-113.
• Donnelly C., Embrechts P. (2010), The Devil is in the Tails: Actuarial Mathematics and the Subprime Mortgage Crisis, "ASTIN Bulletin", May, Vol. 40(01), s. 1-33.
• Föllmer H., Schied A. (2002), Convex Measures of Risk and Trading Constraints, "Finance & Stochastics", No. 6(4), s. 429-447.
• Hyndman R., Fan Y. (1996), Sample Quantiles in Statistical Packages, "American Statistician", No. 50, s. 361-365.
• Koenker R. (2005), Quantile Regression, Econometric Society Monograph Series, Cambridge University Press, Cambridge.
• Koenker R., Bassett G. (1978), Regression Quantiles, "Econometrica", No. 46, s. 33-50.
• Li Q., Racine J.S. (2007), Nonparametric Econometrics: Theory and Practice, Princeton University Press, Princeton.
• Machado J., Mata J. (2005), Counterfactual Decomposition of Changes in Wage Distributions using Quantile Regression, "Journal of Applied Econometrics" May/June, Vol. 20, Iss. 4, s. 445-465.
• Newey W.K., Powell J.L. (1987), Asymmetric Least Squares Estimation and Testing, "Econometrica", Vol. 55, No. 4, s. 819-847.
• RiskMetrics (1995), Technical Document. Technical Report, Morgan Guarantee Trust Company, Global Research, New York.
• Rockafellar R.T., Uryasev S. (2000), Optimization of Conditional Value-at-Risk, "The Journal of Risk", No. 2(3), s. 21-41.