复合分位数回归
估计回归系数的传统方法是最小二乘法，最小二乘法对于误差项的要求是非常严苛的，在实际问题中，数据往往会出现 尖峰厚尾 等特征，或者是存在明显的异方差情况，这时候若使用LS方法对回归系数进行估计，其稳健性是很差的。分位数回归有效的解决了上述问题，符合分位数回归是分位数回归的一种更一般性的推广。
【尖峰厚尾】
金融数据的尖峰厚尾特征是相比较标准正态分布来说的，标准正态分布的偏度为0，峰度为3，通常做实证分析时，会假设金融数据为正态分布，这样方便建模分析，但是实证表明，很多数据并不符合正态分布，而更像尖峰厚尾，就是峰度比3大，两边的尾巴比正态分布厚，没有下降得这么快。厚尾分布主要是出现在金融数据中，例如证券的收益率。 从图形上说，较正态分布图的尾部要厚，峰处要尖。直观些说，就是这些数据出现极端值的概率要比正态分布数据出现极端值的概率大。因此，不能简单的用正态分布去拟合这些数据的分布，从而做一些统计推断。一般来说，通过实证分析发现，自由度为5或6的t分布拟合的较好。
