Uniform Test for Predictive Regression With AR Errors
自回归误差预测回归的均匀检验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：摘要围绕自回归误差与平稳或近单位根预测变量展开，直接对应时间序列方法，未给出可细分的金融收益预测应用。
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
自回归误差预测回归的均匀检验
- 研究问题
- 当预测回归误差存在自回归依赖时，如何检验可预测性，并适应预测变量平稳或近单位根、有限或无限方差的不同情形？
- 方法与思路
- 作者将原先针对独立误差的经验似然方法扩展至AR误差过程，构造无需预先判断预测变量持久性与方差类别的新检验。
- 材料陈述的贡献
- 摘要称，新检验无需预先区分所述预测变量情形，模拟中有限样本表现良好；均匀有效性的具体范围与数值表现未说明。
- 阅读关注点
- 阅读时应核对AR误差的设定及其处理、经验似然统计量的构造，以及对近单位根和无限方差预测变量实现均匀有效性的条件。
- 阅读边界
- 摘要未给出AR阶数、尾部条件、检验尺寸与功效数值，也未介绍实证应用；有限样本表现良好不足以说明普遍优于其他检验。
原文摘要
Testing predictability is of importance in economics and finance. Based on a predictive regression model with independent and identically distributed errors, some uniform tests have been proposed in the literature without distinguishing whether the predicting variable is stationary or nearly integrated. In this article, we extend the empirical likelihood methods of Zhu, Cai, and Peng with independent errors to the case of an AR error process. Again, the proposed new tests do not need to know whether the predicting variable is stationary or nearly integrated, and whether it has a finite variance or an infinite variance. A simulation study shows the new methodologies perform well in finite sample.