Kuantil VAR
Quantile Vector Autoregression · Ayrıca şöyle bilinir: Quantile-based impulse response
Kuantil VAR, çok değişkenli sistemlerin dürtü tepkilerini dağılımın farklı kuantillerine koşullu olarak tahmin eder, şokların koşullu dağılım boyunca heterojen bir şekilde nasıl yayıldığını ortaya koyar. Koenker ve Xiao (2006) tarafından tanıtılan ve risk ölçümü için White vd. (2015) tarafından uygulanan bu yöntem, ortalamaya dayalı VAR analizinde görünmeyen kuyruk davranışlarını ve bulaşma etkilerini ortaya çıkarır. Bu, risk yönetimi ve krizlerin normal zamanlardan farklı nasıl yayıldığını anlamak için esastır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Risk yönetimi ve kuyruk davranışlarının merkezi olduğu durumlarda (bankacılık, sigorta, opsiyonlar), rejimler arası heterojenliğin önemli olduğu durumlarda (krizler vs normal zamanlar farklı iletilir) veya doğrusal olmayan şok iletiminden şüphelendiğinizde Kuantil VAR kullanın. Değer-riski analizi ve stres testi için esastır.
Güçlü yönler & sınırlılıklar
- Kuyruk davranışlarını ve aşırı olay dinamiklerini yakalar
- Rejimler boyunca heterojen şok iletimini ortaya koyar
- Kuantil-spesifik dürtü tepkileri riske odaklı analize olanak tanır
- Parametrik dağılım varsayımı yoktur; tamamen parametrik olmayan
- Tahmin hesaplama açısından yoğundur; standart hataların güvenilir bir şekilde hesaplanması zordur
- Kuantiller arası bağımlılık genellikle göz ardı edilir, bu da standart hataları yanlı hale getirebilir
- Dinamik sistemlerde kuantil-spesifik katsayıların yorumlanması hassastır
- Sonuçlar kuantil belirlemeye ve gecikme uzunluğuna duyarlı olabilir
SSS
Hangi kuantilleri tahmin etmeliyim?
Risk (VaR) için kuyruklara odaklanın: 1., 5., 25., 50., 75., 95., 99. yüzdelik dilimler. Kapsamlı analiz için ondalıkları tahmin edin. Aşırı kuantillerdeki kesinlik kaybına karşı ayrıntı dengesini kurun.
Çıkarımda kuantiller arası bağımlılıkla nasıl başa çıkarım?
Tüm bağımlılık yapısını dikkate alan bootstrap yöntemleri en güvenilir olanlardır. Bağımsızlığı varsayan analitik standart hatalar genellikle çok sıkıdır. Mümkün olduğunda, kuantil regresyon yazılımının yerleşik sağlam çıkarımını kullanın.
Kuantil VAR'da şokları tanımlayabilir miyim?
Evet, işaret kısıtlamaları veya sıfır kısıtlamaları kullanarak. Kuantil-spesifik tanımlama mümkündür ancak karmaşıktır; genellikle basitleştirme için kuantiller arasında ortak bir tanımlama yapısı varsayılır.
Kuantil-VAR ve Kuantil-ARDL dürtü tepkileri nasıl karşılaştırılır?
Kuantil-VAR gecikmeli bağımlı değişkenleri içerir; Kuantil-ARDL daha esnektir ancak tutumludur. Kuantil-VAR daha tam dinamik geri bildirim sağlar; Kuantil-ARDL kısa vadeli politika analizi için daha iyidir.
Kaynaklar
- Koenker, R., & Xiao, Z. (2006). Quantile autoregression. Journal of the American Statistical Association, 101(475), 980-990. DOI: 10.1198/016214506000000672 ↗
- White, H., Kim, T. H., & Manganelli, S. (2015). VAR for VaR: Measuring tail dependence using multivariate regression quantiles. Journal of Econometrics, 187(1), 169-188. DOI: 10.1016/j.jeconom.2015.02.004 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Quantile Vector Autoregression. ScholarGate. https://scholargate.app/tr/econometrics/quantile-var
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Çapraz-KantilyogramEkonometri↔ karşılaştır
- Moment Yöntemi Kuantil RegresyonuEkonometri↔ karşılaştır
- Kantiller İçin ARDLEkonometri↔ karşılaştır