Robust inference for time varying predictability: A Sieve-IVX approach
时变可预测性的稳健推断：Sieve-IVX 方法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：摘要以预测回归、混合根回归量与系数随时间平滑变化为核心，涉及时间序列推断与结构变化，并应用于股票收益可预测性，故选择时间序列、结构变化与收益预测三个方向。
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…
时变可预测性的稳健推断：Sieve-IVX 方法
- 研究问题
- 摘要称，预测回归常用于评估经济基本面变量对债券与股票收益的预测能力，但既有推断程序多假定斜率系数恒定或分段恒定，在金融经济条件变动或演化时期易出现模型误设，导致检验水平扭曲与虚假可预测性证据；本文关注如何在混合根回归量与系数随时间平滑变化的情形下对时变可预测性做稳健推断。
- 方法与思路
- 作者提出一个半参数预测回归模型，允许回归量具有混合持久性（混合根）且系数随时间平滑演变；为估计与推断引入自生成工具变量方法的新变体 Sieve-IVX，摘要称该推断方法不受变量持久性程度影响，并给出渐近理论以及用于检验可预测性与模型设定的逐点与一致推断程序。
- 材料陈述的贡献
- 摘要明确陈述的贡献包括：提出允许系数平滑时变的半参数预测回归框架；提出 Sieve-IVX 这一自生成工具变量变体，使时变可预测性的推断在任意持久性程度下均适用；提供相应渐近理论及逐点与一致检验程序；模拟显示有限样本表现良好；并以标普 500 超额收益为对象做实证，发现常用基本面变量预测能力存在时变模式。
- 阅读关注点
- 阅读全文时应核对：混合根与平滑时变系数的具体设定及识别条件；Sieve-IVX 工具构造与渐近理论所需假设；逐点与一致检验的临界值或自助法实现；模拟设计是否覆盖接近单位根与不同时变速度；实证中变量、样本期、检验结果及稳健性，以及结论对模型设定与调参的敏感性。
- 阅读边界
- 仅凭摘要无法判断识别假设是否成立、渐近理论的正则条件、模拟与实证的具体数值结果及相对既有方法的实际优势；摘要未说明数据频率、样本区间、变量清单与代码可得性。该来源标注为作者／机构库版本摘要，非正式发表版本，不能据此声称已通过同行评审或期刊接收。
原文摘要
Predictive regression models are often used to evaluate the predictive capability of economic fundamentals on bond and equity returns. Inferential procedures in these regressions typically employ parameter constancy or piecewise constancy in slope coefficients. Such formulations are prone to misspecification, more especially during periods of disturbance or evolution in prevailing economic and financial conditions, which can lead to size distortion and spurious evidence of predictability. To address these issues the present work proposes a semiparametric predictive regression model with mixed-root regressors and time-varying coefficients that allow for smooth evolution in the generating mechanism over time. For estimation and inference a novel variant of the self-generated instrument approach called Sieve-IVX is introduced, giving a robust approach to inference concerning time-varying predictability that is applicable irrespective of the degrees of persistence. Asymptotic theory of the Sieve-IVX approach is provided together with both pointwise and uniform inference procedures for testing predictability and model specification. Simulations show excellent performance characteristics of these statistics in finite samples. An empirical exercise is conducted to examine excess S&P 500 returns, applying Sieve-IVX regression coupled with pointwise and uniform tests to reveal evidence of time-varying patterns in the predictive capability of commonly used fundamental variables.