New testing approaches for mean–variance predictability
均值与方差可预测性的新检验方法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：摘要检验金融收益均值及平方的序列相关，并处理时变波动率。
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
均值与方差可预测性的新检验方法
- 研究问题
- 如何利用金融收益的非正态性检验收益水平及平方的序列相关，并减轻分布误设、时变波动率和高影响观测对检验的影响？
- 方法与思路
- 作者提出针对收益水平和平方序列相关的参数检验，允许分布误设，并将均值可预测性检验扩展为对时变波动率稳健。
- 材料陈述的贡献
- 摘要称，局部功效分析显示相对既有方法的收益；国际股票因子季度收益应用发现地区与因子差异，以及常用检验的数值敏感性。
- 阅读关注点
- 应核对稳健性对应的分布和波动率条件、局部备择与比较基准，以及有限样本检验水平和高影响观测的处理方式。
- 阅读边界
- 仅依据所给出版社摘要；摘要未给出功效增益或显著性数值，局部功效优势不意味着所有备择和样本下均优于既有检验。
原文摘要
We propose parametric tests for serial correlation in levels and squares that exploit the non-normality of financial returns. Our tests are robust to distributional misspecification. Furthermore, our mean predictability tests can be robustified against time-varying volatility. Local power analyses confirm their gains over existing methods, while Monte Carlo exercises assess their finite sample reliability. We apply our tests to quarterly returns on the five Fama–French factors for international stocks, whose distributions are mostly symmetric but fat-tailed. Our results highlight noticeable differences across regions and factors and confirm the numerical sensitivity of the usual tests to influential observations.