Simple tests for stock return predictability with good size and power properties
具有良好尺寸与功效表现的简便股票收益可预测性检验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：题名与摘要直接研究股票收益可预测性检验及预测变量的持续性和内生性。
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…
具有良好尺寸与功效表现的简便股票收益可预测性检验
- 研究问题
- 当预测变量的持续性与内生性程度不同，如何构造易实施的股票收益可预测性检验，使有限样本尺寸与功效保持较好表现？
- 方法与思路
- 作者结合普通回归 t 比率与准 GLS 去均值变体，采用渐近保守临界值，并依据估计的内生性及持续性在检验间切换。
- 材料陈述的贡献
- 摘要称，局部功效分析支持该切换程序；所述方法在较广的持续性和内生性范围内，相对既有检验具有较好的有限样本表现。
- 阅读关注点
- 应核对持续性判别与切换阈值、内生性参数估计、保守临界值构造，以及数据驱动切换对整体尺寸和功效的影响。
- 阅读边界
- 仅据所给出版社摘要，不能确认所有预测变量环境下都有效或更有功效；具体阈值、比较基准和数值结果未说明。
原文摘要
We develop easy-to-implement tests for return predictability which, relative to extant tests in the literature, display attractive finite sample size control and power across a wide range of persistence and endogeneity levels for the predictor. Our approach is based on the standard regression t-ratio and a variant where the predictor is quasi-GLS (rather than OLS) demeaned. In the strongly persistent near-unit root environment, the limiting null distributions of these statistics depend on the endogeneity and local-to-unity parameters characterising the predictor. Analysis of the asymptotic local power functions of feasible implementations of these two tests, based on asymptotically conservative critical values, motivates a switching procedure between the two, employing the quasi-GLS demeaned variant unless the magnitude of the estimated endogeneity correlation parameter is small. Additionally, if the data suggests the predictor is weakly persistent, our approach switches to the standard t-ratio test with reference to standard normal critical values.