Inferring the Predictability Induced by a Persistent Regressor in a Predictive Threshold Model
持久预测变量驱动的阈值模型：可预测性推断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：摘要明确以估值比率预测总体股票收益，并分析阶段性与逆周期预测能力，直接对应金融收益预测。
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
持久预测变量驱动的阈值模型：可预测性推断
- 研究问题
- 研究持久预测变量是否带来阶段性的可预测性，以及其他参数的阈值结构未知时，如何检验不存在可预测性的原假设。
- 方法与思路
- 作者构造无可预测性对阈值可预测性的检验，无须预先确定截距等其他参数有无阈值效应，并讨论干扰参数未识别的情形。
- 材料陈述的贡献
- 摘要称检验不受部分干扰参数是否被识别的影响；股票收益应用发现部分估值比率的预测能力具有逆周期性且对样本期敏感。
- 阅读关注点
- 应核对预测变量持久性的设定、阈值参数与干扰参数的处理，以及检验有效性条件和不同样本期的预测结果。
- 阅读边界
- 摘要未给出持久性参数范围、具体检验统计量或数值结果；逆周期性发现不足以证明稳定的样本外预测能力。
原文摘要
We develop tests for detecting possibly episodic predictability induced by a persistent predictor. Our framework is that of a predictive regression model with threshold effects and our goal is to develop operational and easily implementable inferences when one does not wish to impose à priori restrictions on the parameters of the model other than the slopes corresponding to the persistent predictor. Differently put our tests for the null hypothesis of no predictability against threshold predictability remain valid without the need to know whether the remaining parameters of the model are characterized by threshold effects or not (e.g., shifting versus nonshifting intercepts). One interesting feature of our setting is that our test statistics remain unaffected by whether some nuisance parameters are identified or not. We subsequently apply our methodology to the predictability of aggregate stock returns with valuation ratios and document a robust countercyclicality in the ability of some valuation ratios to predict returns in addition to highlighting a strong sensitivity of predictability based results to the time period under consideration.