Tests of equal accuracy for nested models with estimated factors
含估计因子的嵌套模型等预测精度检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确涉及主成分因子估计、因子增强预测检验，并以股票指数超额收益预测为应用，支持这三个方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
含估计因子的嵌套模型等预测精度检验
- 研究问题
- 使用估计因子进行因子增强回归预测时，嵌套模型的等预测能力检验能否沿用已有渐近分布及临界值？
- 方法与思路
- 作者推导递归窗口下主成分因子估计的渐近性质，并给出因子估计误差不改变既有预测检验极限分布的条件。
- 材料陈述的贡献
- 摘要称满足这些条件时可继续使用已有临界值，并以模拟考察因子估计的有限样本影响，应用于标普指数超额收益预测。
- 阅读关注点
- 应核对横截面规模与预测窗口的增长关系、嵌套模型设定，以及因子估计误差在递归预测检验中可忽略的具体条件。
- 阅读边界
- 所给出版社摘要未列出这些条件或预测表现数值；允许使用既有临界值不等于证明因子模型具有更高收益预测能力。
原文摘要
In this paper we develop asymptotics for tests of equal predictive ability between nested models when factor-augmented regressions are used to forecast. We provide conditions under which the estimation of the factors does not affect the asymptotic distributions developed in Clark and McCracken (2001) and McCracken (2007). This enables researchers to use the existing tabulated critical values when conducting inference despite the presence of estimated predictors. As an intermediate result, we derive the asymptotic properties of the principal components estimator over recursive windows. We provide simulation evidence on the finite sample effects of factor estimation and apply the tests to the case of forecasting excess returns to the S&P 500 Composite Index.