Extensions to IVX methods of inference for return predictability
收益可预测性 IVX 推断方法的扩展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：题名和摘要直接围绕收益可预测性检验及其暂时性窗口展开。
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…
收益可预测性 IVX 推断方法的扩展
- 研究问题
- 如何在更弱的创新项假设下保持 IVX 收益可预测性检验有效，并改善有限样本推断及识别暂时出现的可预测窗口？
- 方法与思路
- 作者结合异方差稳健标准误或适当自助法扩展 IVX 检验，并用子样本构建暂时可预测窗口的单侧与双侧检验。
- 材料陈述的贡献
- 摘要称，新方法在更弱假设下具有渐近有效性；特定参数配置中，自助检验尤其改善单侧和多预测变量情形的推断。
- 阅读关注点
- 应核对创新项假设放宽的具体内容、自助法如何实施，以及窗口搜索、子样本长度和多预测变量如何影响检验有效性。
- 阅读边界
- 仅依据所给 OpenAlex 摘要；创新项条件、窗口设定与误差改善数值未说明，不能声称自助版本在所有情形中均更准确。
原文摘要
The contribution of this paper is threefold. First, we demonstrate that, provided either a suitable bootstrap implementation is employed or heteroskedasticity-consistent standard errors are used, the IVX-based predictability tests of Kostakis et al. (2015) retain asymptotically valid inference under the null hypothesis under considerably weaker assumptions on the innovations than are required by Kostakis et al. (2015). Second, under the same assumptions, we develop asymptotically valid bootstrap implementations of the IVX tests. Monte Carlo simulations show that the bootstrap tests deliver considerably more accurate finite sample inference than the asymptotic implementations of the tests under certain problematic parameter constellations, most notably for one-sided testing, and where multiple predictors are included. Third, we show how sub-sample implementations of the IVX approach can be used to develop asymptotically valid one-sided and two-sided tests for the presence of temporary windows of predictability.