The Aligned Economic Index & The State Switching Model
对齐经济指数与状态切换模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究美国股票收益和股权溢价的状态依赖预测，并以样本内外预测表现评价回归与综合预测指标。
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
对齐经济指数与状态切换模型
- 研究问题
- 美国股票收益的可预测性是否随扩张与收缩状态变化，实时划分经济状态与构造综合预测指标能否改善样本外表现？
- 方法与思路
- 作者用收益率曲线斜率实时定义市场状态，建立状态切换预测回归，并通过偏最小二乘构造对齐经济指数作为综合预测变量。
- 材料陈述的贡献
- 摘要称，状态切换改善多数所考察预测变量的样本外表现；综合指数具有统计和经济显著性，并优于所比较的基准及组合方法。
- 阅读关注点
- 应核对状态阈值和实时数据处理、偏最小二乘的训练窗口、样本外评价与显著性检验，以及经济表现的衡量方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未核实；摘要未提供样本区间、预测期限或改善数值，不能判断结果的稳定性与可推广性。
原文摘要
A growing empirical literature suggests that equity-premium predictability is state dependent, with much of the forecasting power concentrated around recessionary periods (Henkel et al., 2011; Dangl and Halling, 2012; Devpura et al., 2018). I study U.S. stock return predictability across economic regimes and document strong evidence of time-varying expected returns across both expansionary and contractionary states. I contribute in two ways. First, I introduce a state-switching predictive regression in which the market state is defined in real time using the slope of the yield curve. Relative to the standard one-state predictive regression, the state-switching specification increases both in-sample and out-of-sample performance for the set of popular predictors considered by Welch and Goyal (2008), improving the out-of-sample performance of most predictors in economically meaningful ways. Second, I propose a new aggregate predictor, the Aligned Economic Index, constructed via partial least squares (PLS). Under the state-switching model, the Aligned Economic Index exhibits statistically and economically significant predictive power in sample and out of sample, and it outperforms widely used benchmark predictors and alternative predictor-combination methods.