Régresseion Autoregressive des Quantiles

Résumé. Nous considérons des modèles de régression autoregressive des quantiles (QAR) dans lesquels les coefficients autoregressifs peuvent être exprimés comme des fonctions monotones d'une seule variable aléatoire scalaire. Les modèles peuvent capturer les influences systématiques des variables de conditionnement sur la localisation, l’échelle et la forme de la distribution conditionnelle de la réponse, et constituent donc une extension significative des modèles de séries temporelles linéaires à coefficients constants classiques, où l'effet du conditionnement est confiné à un déplacement de localisation. Les modèles peuvent être interprétés comme un cas particulier du modèle général de régression autoregressive à coefficients aléatoires avec des coefficients fortement dépendants. Les propriétés statistiques du modèle proposé et des estimateurs associés sont étudiées. Les distributions limites du processus quantile autoregressif sont dérivées. Des méthodes d'inférence sur la régression par quantiles sont également examinées. Les applications empiriques du modèle au taux de chômage américain et aux prix de l'essence aux États-Unis soulignent le potentiel du modèle. 1.