分位数回归在公交调度中的应用——深圳杯数模挑战赛论文解析

"这篇文档是关于使用分位数回归方法解决深圳杯数模挑战赛2020年d题——公交车调度问题的一篇论文，由张玉撰写。文中详细介绍了如何利用Eviews软件进行数据处理和分析，主要包括数据输入、收益率序列的生成、描述性统计分析、分位数回归模型的构建以及VaR和CoVaR的计算。" 在金融数据分析中，分位数回归是一种重要的统计方法，它不像传统的均值回归那样只关注平均值，而是考虑了整个分布的信息，特别是对于异常值或非正态分布的数据更为敏感。在本案例中，作者首先创建了一个新的工作文件，并定义了数据类型为series，这是为了适应Eviews软件的数据处理需求。接着，数据被导入并命名为zg，数据类型的设定基于数据的数量和频率特性。 然后，作者生成了收益率序列rzg，通过计算公式rzg=100*dlog(zg)，这个公式将原始数据转换为对数收益率，便于分析。通过描述性统计分析，例如查看rzg的均值、标准差、偏度和峰度，可以评估数据的分布特征。对于中国银行的收益率序列，其偏度小于0表明数据分布左侧拖尾，峰度高于正常分布，显示了尖峰厚尾的特性，而Jarque-Bera统计量的低p值拒绝了收益率序列服从正态分布的假设。 接下来，作者应用分位数回归模型QREG来分析数据。分位数回归允许我们研究不同百分位数下的关系，而不是仅仅关注均值。在本案例中，选择了分位数0.05，这意味着分析的是5%的尾部风险。两个不同的回归模型被估计，一个是rzg依赖于rsys，另一个是rsys依赖于rzg，得到的系数均显著，揭示了两者之间的关联。 最后，作者进行了VaR（Value at Risk）和CoVaR（Conditional VaR）的计算。VaR用于估计资产在一定置信水平下可能遭受的最大损失，而CoVaR则衡量的是当另一家金融机构（如银行系统）出现风险时，单个机构的风险暴露。通过排序收益率序列并在分位数0.05处找到最小值，可以计算出无条件风险价值，这在风险管理中至关重要，特别是在公交调度这样的复杂系统中，理解并控制风险是优化决策的关键。 这篇论文详细展示了如何利用分位数回归方法在Eviews中进行数据分析，包括数据导入、收益率序列生成、统计描述、模型建立以及风险评估，这些步骤对于理解金融数据的内在结构和风险特征具有指导意义。