Long-Horizon Return Regressions With Historical Volatility and Other Long-Memory Variables
使用历史波动率及其他长记忆变量的长期收益回归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：题名明确涉及历史波动率，摘要聚焦收益对风险指标的长期回归与可预测性检验，因此归入收益预测和波动率。
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
使用历史波动率及其他长记忆变量的长期收益回归
- 研究问题
- 作者研究前向聚合收益对后向聚合预测变量的回归中，可预测性随期限增加的现象，及其与收益和预测变量共同缓慢变动成分的关系。
- 方法与思路
- 作者用长记忆框架解释聚合提取共同缓慢变动成分的现象，提出置信区间构造方法，并应用于 NYSE/AMEX 收益可预测性检验。
- 材料陈述的贡献
- 摘要提出用长记忆框架解释收益对风险指标的长期回归结果，并构造相应置信区间，应用于 NYSE/AMEX 收益的可预测性检验。
- 阅读关注点
- 阅读全文应核对前后向聚合的定义、共同缓慢变动成分的建模条件，以及置信区间如何处理长记忆依赖和聚合引起的样本重叠。
- 阅读边界
- 摘要未说明置信区间的具体公式、检验结论或预测变量的完整清单；所述期限与可预测性的关系不能直接推为样本外预测能力。
原文摘要
The predictability of long-term asset returns increases with the time horizon as estimated in regressions of aggregated-forward returns on aggregated-backward predictive variables. This previously established evidence is consistent with the presence of common slow-moving components that are extracted upon aggregation from returns and predictive variables. Long memory is an appropriate econometric framework for modeling this phenomenon. We apply this framework to explain the results from regressions of returns on risk measures. We introduce suitable econometric methods for construction of confidence intervals and apply them to test the predictability of NYSE/AMEX returns.