Heavy tails of OLS
普通最小二乘估计量的重尾性质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：摘要核心是一般 OLS 尾部理论，收益率曲线回归为说明案例，未明确展开资产定价或其他给定细分研究。
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
普通最小二乘估计量的重尾性质
- 研究问题
- 当回归噪声具有幂律尾部时，普通最小二乘系数估计的尾部概率如何变化，这对有限样本推断有何影响？
- 方法与思路
- 作者推导 OLS 估计量分布尾部概率的显式有限样本表达式，并用模拟及收益率曲线回归中的系数差异作说明。
- 材料陈述的贡献
- 摘要称 OLS 估计量继承噪声的幂律尾部，所得公式可用于推断，并为解释高度波动的跨国系数估计提供基准。
- 阅读关注点
- 核对噪声幂律、回归设计及依赖结构的条件，尾概率表达式的适用范围，以及收益率曲线案例如何使用该基准。
- 阅读边界
- 仅依据所给出版社摘要；具体公式和设计条件未提供，不能据此断言所有金融回归的系数波动均由重尾噪声造成。
原文摘要
Suppose the tails of the noise distribution in a regression exhibit power law behavior. Then the distribution of the OLS regression estimator inherits this tail behavior. This is relevant for regressions involving financial data. We derive explicit finite sample expressions for the tail probabilities of the distribution of the OLS estimator. These are useful for inference. Simulations for medium sized samples reveal considerable deviations of the coefficient estimates from their true values, in line with our theoretical formulas. The formulas provide a benchmark for judging the observed highly variable cross country estimates of the expectations coefficient in yield curve regressions.