Solving Euler equations via two-stage nonparametric penalized splines
通过两阶段非参数惩罚样条求解欧拉方程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：摘要直接讨论资产定价欧拉方程，并重新考察收益可预测性。
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
通过两阶段非参数惩罚样条求解欧拉方程
- 研究问题
- 如何用估计方法求解适用于平稳和时变观测的资产定价模型，并考察模型隐含股息收益率与未来现金流、利率的关系？
- 方法与思路
- 作者将欧拉方程转化为适定的第二类积分方程，提出两阶段非参数惩罚样条估计，并设计数据驱动算法选择平滑惩罚强度。
- 材料陈述的贡献
- 摘要称，方法具有闭式解、错设稳健性及最优收敛性质；美国数据应用发现，隐含股息收益率预测短期现金流下降和利率上升。
- 阅读关注点
- 应核对积分方程转换的条件、错设稳健性的对象、最优收敛标准，以及惩罚选择、生成变量推断与预测检验的具体设计。
- 阅读边界
- 仅据所给出版社摘要，无法确定所谓温和条件、稳健性的覆盖范围或预测结果大小；有限样本表现良好属于作者陈述。
原文摘要
This study proposes a novel estimation-based approach to solving asset pricing models for both stationary and time-varying observations. Our method is robust to misspecification errors while inheriting a closed-form solution. By representing the Euler equation into a well-posed integral equation of the second kind, we propose a penalized two-stage nonparametric estimation method and establish its optimal convergence under mild conditions. With the merit of penalized splines, our estimate is less sensitive to the spline setting and we also design a fast data-driven algorithm to effectively tune the key smoother, i.e. the penalty amount. Our approach exhibits excellent finite sample performance. Using the US data from 1947 to 2017, we reinvestigate the return predictability and find that the estimated implied dividend yield significantly predicts lower future cash flows and higher interest rates at short horizons.