Exchange rate predictability and dynamic Bayesian learning
汇率可预测性与动态贝叶斯学习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：摘要直接研究汇率预测及其金融配置应用，并以向量自回归描述汇率动态，对应金融预测与时间序列。
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…
汇率可预测性与动态贝叶斯学习
- 研究问题
- 外汇市场中的投资者如何持续学习汇率动态并利用预测信息，以及这种学习能否改善样本外动态资产配置的经济表现？
- 方法与思路
- 作者结合多种向量自回归模型与灵活贝叶斯推断，使投资者逐期学习数据特征，并考察十个国家的月度汇率预测与配置。
- 材料陈述的贡献
- 摘要报告样本外动态配置获得显著经济收益，并发现稀疏性、快速模型切换和利用汇率横截面信息的相关证据。
- 阅读关注点
- 应核对模型集合、先验与更新规则、样本外预测设计，以及配置评价指标、交易成本和横截面信息的具体使用方式。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；收益数值、风险约束与交易成本处理未说明，所述经济收益不能据此推广或推断版本变化。
原文摘要
Summary We consider how an investor in the foreign exchange market can exploit predictive information by means of flexible Bayesian inference. Using a variety of vector autoregressive models, the investor is able, each period, to learn about important data features. The developed methodology synthesizes a wide array of established approaches for modeling exchange rate dynamics. In a thorough investigation of monthly exchange rate predictability for 10 countries, we find that using the proposed methodology for dynamic asset allocation achieves substantial economic gains out of sample. In particular, we find evidence for sparsity, fast model switching, and exploitation of the exchange rate cross‐section.