基于分位数回归的资产定价模型实证研究.docxVIP

基于分位数回归的资产定价模型实证研究

一、引言

在现代金融学的浩瀚领域中，资产定价理论始终占据着核心地位。它试图解决一个根本性的问题：如何根据资产的风险和收益特征，合理地确定其价格。传统的资本资产定价模型（CAPM）和Fama-French三因子模型（FamaFrench，1993）等经典理论，为理解资产收益的生成机制提供了坚实的基础。然而，随着金融市场的日益复杂化和数据的不断累积，研究者们逐渐发现，传统的均值回归模型往往存在一定的局限性，难以全面捕捉资产收益分布的尾部特征。

传统的回归分析通常关注的是变量之间的平均关系，即因变量的条件均值如何依赖于自变量的变化。这种分析方法虽然在描述整体趋势方面具有优势，但在面对金融数据中普遍存在的异方差、非正态分布以及极端风险时，往往显得力不从心。金融资产的收益分布通常呈现出“肥尾”现象，这意味着极端的损失或收益发生的概率远高于正态分布所预测的数值。对于投资者而言，这种极端风险往往是致命的，而均值回归模型却可能因为过分关注平均水平而忽略了这些关键的风险点。因此，如何更准确地刻画资产收益在不同水平下的风险特征，成为学术界和实务界亟待解决的重要课题。

分位数回归作为一种新兴的统计方法，为解决这一问题提供了有力的工具。与传统的回归分析不同，分位数回归不依赖于对误差项分布的严格假设，也不局限于对条件均值的估计。它允许我们在资产定价研究中，考察自变量