Inference in Predictive Quantile Regressions
预测分位数回归中的统计推断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：摘要直接涉及股票收益分位数预测、分布位置差异及近单位根时间序列推断。
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…
预测分位数回归中的统计推断
- 研究问题
- 预测变量接近单位根且可能内生时，如何对分位数可预测性进行可靠推断，并分析估值指标对股票收益不同分布位置的预测能力？
- 方法与思路
- 作者推导分位数估计量及 HAC t 统计量的渐近分布，提出结合完全修正与局部单位根参数 Bonferroni 界的切换检验。
- 材料陈述的贡献
- 摘要称检验在近单位根与平稳情形间切换，模拟显示小样本检验水平可靠且功效良好，并用于三类估值指标的收益分位数预测。
- 阅读关注点
- 应核对预测变量持久性与内生性条件、切换规则、完全修正和临界值构造，以及收益中位数、两侧和尾部检验如何实施。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未报告应用显著性或预测增益，不能据此认定所列估值指标具有预测能力。
原文摘要
This paper studies inference in predictive quantile regressions when the predictive regressor has a near-unit root. We derive asymptotic distributions for the quantile regression estimator and its heteroskedasticity and autocorrelation consistent (HAC) t-statistic in terms of functionals of Ornstein-Uhlenbeck processes. We then propose a switching-fully modified (FM) predictive test for quantile predictability. The proposed test employs an FM style correction with a Bonferroni bound for the local-to-unity parameter when the predictor has a near unit root. It switches to a standard predictive quantile regression test with a slightly conservative critical value when the largest root of the predictor lies in the stationary range. Simulations indicate that the test has a reliable size in small samples and good power. We employ this new methodology to test the ability of three commonly employed, highly persistent and endogenous lagged valuation regressors - the dividend price ratio, earnings price ratio, and book-to-market ratio - to predict the median, shoulders, and tails of the stock return distribution.