Post-Lasso Inference for Multiple Threshold Regressions with an Application to Return Predictability
多重门槛回归的 Lasso 后推断及收益可预测性应用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：题名和摘要明确包含股票收益可预测性及收益预测应用，门槛变化本身不足以判定为时间结构变化研究。
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…
关注这篇论文的作者
多重门槛回归的 Lasso 后推断及收益可预测性应用
- 研究问题
- 多重门槛回归中，如何处理 group Lasso 选择门槛数量与位置的不确定性，尤其避免弱门槛效应下的推断问题？
- 方法与思路
- 作者刻画给定所选模型时门槛效应估计量的抽样分布，据此构造同时适用于较强和较弱门槛效应的统一置信区间。
- 材料陈述的贡献
- 摘要称该框架提供具有有效覆盖性质的置信区间，模拟显示有限样本表现满意，并给出股票收益预测应用。
- 阅读关注点
- 核对条件选择事件的定义、覆盖性质的适用条件及门槛效应强弱的处理，并检查收益预测应用的评价设计。
- 阅读边界
- 仅据所给出版社在线优先版摘要；条件覆盖与其他覆盖目标的关系、理论条件及实证数值未说明，不能推断刊本变化。
原文摘要
This article revisits the multiple threshold regression model, wherein coefficient parameters shift across regimes in accordance with the value of a threshold variable. We focus on developing a post-Lasso inference framework to resolve the selection uncertainty—particularly pronounced when threshold effects are weak—intrinsic to the group Lasso-based procedure that jointly estimates the number and locations of multiple thresholds. This objective is accomplished by characterizing the sampling distribution of threshold effect estimators conditional on the selected model, which facilitates the construction of unified confidence intervals with valid coverage properties for both large and small threshold effects. Monte Carlo simulation results verify the satisfactory finite-sample performance of the proposed post-Lasso inference method. An empirical application to stock return prediction further exemplifies its practical applicability.