iPAS 考題解析某金融機構的量化分析師在建立資產風險評估模型時，發現報酬率資料分佈明顯非對稱，且出現多次極端損失事件，使得傳統假設常態分佈的模型無法準確反映真實風險。若希望在不依賴常態分佈假設的前提下，採取更能捕捉資料極端情況的建模策略，下列哪一種方法最為適合？

解析

正確答案：D. 採用分位數迴歸模型（Quantile Regression Model），聚焦於尾部分位（Tail Quantiles）以評估極端風險

分位數迴歸不依賴殘差常態分佈假設，可直接估計任意分位數（如P5、P1）的條件分佈，特別適合捕捉尾部極端風險事件，是金融風險管理中處理非常態分佈的有效工具。

每個選項為什麼對或錯

• A 採用線性迴歸模型（Linear Regression Model），以常態分佈殘差（Residuals）為基礎進行推估 錯誤選項

  線性迴歸假設殘差服從常態分佈，無法有效處理非對稱和極端事件。

• B 使用平均數（Mean）與標準差（Standard Deviation）估計波動範圍 錯誤選項

  均值和標準差基於常態假設，對非對稱分佈的極端風險估計不準確。

• C 將資料裁剪至±3σ範圍內以排除異常值影響 錯誤選項

  裁剪異常值反而丟失了最重要的極端損失資訊，不適合風險評估。

• D 採用分位數迴歸模型（Quantile Regression Model），聚焦於尾部分位（Tail Quantiles）以評估極端風險 正解

  分位數迴歸無分佈假設，可直接建模尾部風險，是非常態資料的最適方法。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。