Small-sample tests for stock return predictability with possibly non-stationary regressors and GARCH-type effects
可能非平稳回归变量与 GARCH 型效应下的股票收益可预测性小样本检验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：研究直接检验金融变量对股票超额收益的预测能力，对应收益预测。
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
可能非平稳回归变量与 GARCH 型效应下的股票收益可预测性小样本检验
- 研究问题
- 当预测变量可能非平稳、股票收益存在非正态性与 GARCH 型效应时，如何对多个变量的收益预测能力进行可靠的小样本检验？
- 方法与思路
- 作者提出基于模拟的检验程序，不限定预测变量的生成过程，并通过模拟及金融变量预测股票超额收益的应用考察其表现。
- 材料陈述的贡献
- 摘要称程序在所述情形下保持小样本有效性；1948—2014 年的预测证据完全由期限利差驱动，但分样本证据明显较弱。
- 阅读关注点
- 应核对小样本有效性对收益误差及模拟机制的具体要求、多预测变量的处理方式，以及期限利差结果对样本划分的敏感性。
- 阅读边界
- 仅据所给出版社摘要，不能把预测证据视为稳定规律；摘要未说明完整假设、检验数值及分样本方案，也不能推断其他版本变化。
原文摘要
We develop a simulation-based procedure to test for stock return predictability with multiple regressors. The process governing the regressors is left completely free and the test procedure remains valid in small samples even in the presence of non-normalities and GARCH-type effects in the stock returns. The usefulness of the new procedure is demonstrated in a simulation study and by examining the ability of a group of financial variables to predict excess stock returns. We find some evidence of predictability during the period 1948–2014, driven entirely by the term spread. This empirical evidence, however, is much weaker over subsamples.