NEW ROBUST INFERENCE FOR PREDICTIVE REGRESSIONS
预测回归的新稳健推断方法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：摘要明确研究具有持续性解释变量的预测回归及异质持续性波动率，并将金融市场列为相关背景。
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…
预测回归的新稳健推断方法
- 研究问题
- 当解释变量具有内生性、持续性或厚尾，且波动率持续性存在异质性时，预测回归如何开展可靠推断？
- 方法与思路
- 作者结合非线性工具变量估计与波动率校正，分别处理解释变量和波动率的相关特征，并讨论连续时间与离散时间模型。
- 材料陈述的贡献
- 摘要称该方法易于实施，模拟中在多种依赖和持续性设定下具有较好的有限样本表现，但未报告具体改善幅度。
- 阅读关注点
- 应核对非线性工具变量的构造、波动率校正步骤、厚尾情形所需条件，以及连续与离散时间推断的适用范围。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断稳健性所需的具体条件、模拟覆盖范围及比较强度，也不能推断其他版本变化。
原文摘要
We propose a robust inference method for predictive regression models under heterogeneously persistent volatility as well as endogeneity, persistence, or heavy-tailedness of regressors. This approach relies on two methodologies, nonlinear instrumental variable estimation and volatility correction, which are used to deal with the aforementioned characteristics of regressors and volatility, respectively. Our method is simple to implement and is applicable both in the case of continuous and discrete time models. According to our simulation study, the proposed method performs well compared with widely used alternative inference procedures in terms of its finite sample properties in various dependence and persistence settings observed in real-world financial and economic markets.