原文链接：http://tecdat.cn/?p=18984
最近我们被客户要求撰写关于分位数回归的研究报告，包括一些图形和统计输出。
现在，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，目标不是给定x的均值，而是给定x的一些分位数 （ 点击文末“阅读原文”获取完整代码数据******** ）。
您可以使用它来查找具有良好上升潜力的股票。您可能会认为这与股票的beta有关，但是beta与OLS相关，并且是对称的。如果市场出现上涨，高beta股票将获得上行波动的收益，但对称地，当市场下跌时，您可能会遭受巨额亏损。
使用下图最好地理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。
点击标题查阅往期内容
贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析免疫球蛋白、前列腺癌数据
左右滑动查看更多
01
02
03
04
在上部面板中，您可以看到，当市场上涨时（X轴上的正值很高），Y轴上的分散很大。当市场下跌时，相对的分散程度而言较大。在底部面板中，情况相反。当市场上涨时，您“非常了解”股票会发生什么，但是当市场处于下跌时，股票收益的不确定性就会降低。考虑到其他因素，您希望投资组合中包含高位股票。当市场上涨时，它们收益很好，但同时在下跌的过程中提供相对的确定性。
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，而下行时分散度低：
dat0 = getSymbols(sy[1], src="yahoo", from=start, to=end,
auto.assign = F, warnings = FALSE,symbol.lookup = F)#查询最近365天：dat <- gtint(sym = c(tickers,"SPY"),365) # 将样品划分成两部分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$ret[1:n,l],title(nam)
我们使用样本的前半部分来选择我们要使用的股票。假设我们以最差的比率做空股票，并以最佳的比率做多股票。
dat$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 = "样本外时期",)
从结果可以看到模型有较好的表现。
点击文末 “阅读原文”
获取全文完整资料。
本文选自《R语言分位数回归预测筛选有上升潜力的股票》。
点击标题查阅往期内容
matlab使用分位数随机森林（QRF）回归树检测异常值
贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析免疫球蛋白、前列腺癌数据
分位数自回归QAR分析痛苦指数：失业率与通货膨胀率时间序列|数据分享
分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测
用综合信息准则比较随机波动率（SV）模型对股票价格时间序列建模
结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析
Fama French (FF) 三因子模型和CAPM模型分析股票市场投资组合风险/收益可视化
配对交易策略统计套利量化交易分析股票市场
Copula 算法建模相依性分析股票收益率时间序列案例
用COPULA模型进行蒙特卡洛(MONTE CARLO)模拟和拟合股票收益数据分析
R使用LASSO回归预测股票收益
金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
自然语言处理NLP：主题LDA、情感分析疫情下的新闻文本数据
在R语言中使用航空公司复杂网络对疫情进行建模
matlab用高斯曲线拟合模型分析疫情数据
R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列
R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言用综合信息准则比较随机波动率（SV）模型对股票价格时间序列建模
R语言回测交易：根据历史信号/交易创建股票收益曲线
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
R语言k-Shape时间序列聚类方法对股票价格时间序列聚类
R语言逻辑回归Logistic回归分析预测股票涨跌
R语言时变波动率和ARCH，GARCH，GARCH-in-mean模型分析股市收益率时间序列
R语言中的copula GARCH模型拟合时间序列并模拟分析R语言乘法GARCH模型对高频交易数据进行波动性预测
R语言GARCH-DCC模型和DCC（MVT）建模估计
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
R语言时间序列GARCH模型分析股市波动率
R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测
matlab实现MCMC的马尔可夫转换ARMA - GARCH模型估计
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略
R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析
R语言多元Copula GARCH 模型时间序列预测
R语言使用多元AR-GARCH模型衡量市场风险
R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言用Garch模型和回归模型对股票价格分析
GARCH（1,1），MA以及历史模拟法的VaR比较
matlab估计arma garch 条件均值和方差模型
R语言ARMA-GARCH-COPULA模型和金融时间序列案例