Робастные методы построения регрессионных зависимостей в задачах стоимостной оценкистатья Исследовательская статья

Работа с статьей

Прикрепленные файлы


Имя Описание Имя файла Размер Добавлен
1. Полный текст Smolyak_Robust_VestnikCEMI.docx 237,4 КБ 20 сентября 2019 [SASmolyak]

[1] Смоляк С. А. Робастные методы построения регрессионных зависимостей в задачах стоимостной оценки // Вестник ЦЭМИ. — 2019. — № 1. Обычно калибровочные параметры функции регрессии оценивают методом наименьших квадратов, а отклонения цен от построенной зависимости предполагают нормальное распределенными. При этом оценщик должен выявить и исключить из выборки активы с резко выделяющимися ценами, что сильно усложняет процесс оценки. Однако этого можно и не делать, применяя робастные методы, уменьшающие влияние резко выделяющихся данных. Известные робастные методы ориентированы на ситуации, когда выборка может включать посторонние (не являющиеся аналогами) объекты, для которых отклонения от регрессионной зависимости могут иметь произвольное распределение. При использовании таких методов выбранным активам как бы приписывается вес тем меньший, чем больше их цены отклоняются от регрессионной зависимости. К недостаткам этих методов относится невозможность сравнивать различные спецификации регрессионных зависимостей с целью выбора лучшей из них. Мы рассматриваем промежуточные ситуации, типичные для задач стоимостной оценки, когда распределение отклонений от регрессионной зависимости близко к нормальному, но имеет более тяжелые хвосты, убывающие экспоненциально. Для таких ситуаций предлагается ряд методов оценки калибровочных параметров регрессионных зависимостей, опирающихся на принцип максимального правдоподобия. Приведены примеры применения этих методов к стоимостной оценке активов. [ DOI ]

Публикация в формате сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл скрыть