Are bond returns predictable with real-time macro data?
实时宏观数据能否预测债券收益？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：摘要的直接目标是利用实时宏观变量预测债券收益，并评价样本外预测能力，最明确对应金融收益预测方向。
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…
实时宏观数据能否预测债券收益？
- 研究问题
- 实时宏观变量能否预测债券收益，在非线性预测关系和弱因子存在时，这种信息是否超出收益率曲线所包含的内容？
- 方法与思路
- 作者提出缩放充分预测方法 sSUFF 并分析其渐近性质，结合既有方法评价实时宏观数据的样本内外债券收益预测。
- 材料陈述的贡献
- 摘要称实时宏观变量具有样本内外预测能力，其信息未被收益率曲线涵盖，并报告逆周期预测及衰退期更强的可预测性。
- 阅读关注点
- 应核对实时数据版本与发布时间、非线性和弱因子的处理、样本外预测设计，以及经济价值和增量信息的评价方式。
- 阅读边界
- 仅据所给出版社摘要，无法判断预测增益数值、交易成本或稳健性；作者报告的经济价值不构成可直接采用的投资建议。
原文摘要
We investigate the predictability of bond returns using real-time macro variables and consider the possibility of a nonlinear predictive relationship and the presence of weak factors. To address these issues, we propose a scaled sufficient forecasting (sSUFF) method and analyze its asymptotic properties. Using both the existing and the new method, we find empirically that real-time macro variables have significant forecasting power both in-sample and out-of-sample. Moreover, they generate sizable economic values, and their predictability is not spanned by the yield curve. We also observe that the forecasted bond returns are countercyclical, and the magnitude of predictability is stronger during economic recessions, which lends empirical support to well-known macro finance theories.