Nonlinear Predictability of Stock Returns? Parametric Versus Nonparametric Inference in Predictive Regressions
股票收益的非线性可预测性？预测回归中的参数与非参数推断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。
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：题名和摘要直接讨论股票收益的可预测性、预测回归以及标普500的伪样本外预测，因此最直接对应收益预测方向。
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…
关注这篇论文的作者
股票收益的非线性可预测性？预测回归中的参数与非参数推断
- 研究问题
- 当预测变量持续性不确定、收益关系可能非线性时，参数与非参数推断的局部功效如何比较，检验结果又如何指导样本外收益预测？
- 方法与思路
- 作者主张用工具变量推断分析持续性不确定的加性预测模型，并提出两步预测：拒绝不可预测的原假设时用非线性回归，否则用历史均值。
- 材料陈述的贡献
- 摘要称非参数检验在高、低持续性下均有 χ² 零假设极限分布，但局部功效偏低；两步法在标普500伪样本外预测中仅略优于比较方法。
- 阅读关注点
- 重点核对持续性的设定、工具变量构造与局部功效比较条件，以及估计窗口、比较模型、损失指标和两步选择对预测评估的影响。
- 阅读边界
- 摘要未提供预测增益数值、显著性、样本区间或实施细节；标普500上的略优表现不足以判断其他市场、时期或模型中的普遍有效性。
原文摘要
Nonparametric test procedures in predictive regressions have χ2 limiting null distributions under both low and high regressor persistence, but low local power compared to misspecified linear predictive regressions. We argue that IV inference is better suited (in terms of local power) for analyzing additive predictive models with uncertain predictor persistence. Then, a two-step procedure is proposed for out-of-sample predictions. For the current estimation window, one first tests for predictability; in case of a rejection, one predicts using a nonlinear regression model, otherwise the historic average of the stock returns is used. This two-step approach performs better than competitors (though not by a large margin) in a pseudo-out-of-sample prediction exercise for the S&P 500.