Predictive regressions with time-varying coefficients
时变系数预测回归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：摘要直接研究标普500月度收益的样本外预测及其经济价值。
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
时变系数预测回归
- 研究问题
- 允许预测回归系数随时间变化，能否改善标普500月度收益的样本外预测，并为投资者带来经济收益？
- 方法与思路
- 作者在贝叶斯框架中估计时变系数预测回归，将其与历史均值及固定系数模型比较，并考察预测表现与商业周期的联系。
- 材料陈述的贡献
- 摘要称，不同时段的年化效用增益为1.8%至5.8%，时变系数模型优于固定系数模型，且样本外可预测性与商业周期密切相关。
- 阅读关注点
- 应核对先验、系数演化设定、预测变量与实时信息集，以及样本外窗口、效用计算和模型比较的具体规则。
- 阅读边界
- 摘要未说明样本区间、交易成本及风险偏好设定；所述效用增益和模型优势不能直接外推至其他市场或时期。
原文摘要
We evaluate predictive regressions that explicitly consider the time-variation of coefficients in a comprehensive Bayesian framework. For monthly returns of the S&P 500 index, we demonstrate statistical as well as economic evidence of out-of-sample predictability: relative to an investor using the historic mean, an investor using our methodology could have earned consistently positive utility gains (between 1.8% and 5.8% per year over different time periods). We also find that predictive models with constant coefficients are dominated by models with time-varying coefficients. Finally, we show a strong link between out-of-sample predictability and the business cycle.