近日，由西南财经大学数据科学与商业智能联合实验室谢昕伶博士与北京大学光华管理学院涂云东教授合作完成的论文“Regime-specific Return Predictability in Quantiles”被计量经济学国际顶级学术期刊《Journal of Business & Economic Statistics》正式接收。

内容简介

本文通过多门限的分位数可预测回归模型来捕捉股票收益率预测中潜在的区制转移机制。该模型允许变量的可预测性根据门限变量的取值发生转换，并随分位数水平的变化而变化，且预测变量具有异质的序列相依性。本文采用统计学习技术，包括逐步估计、自适应组压缩估计及后向消除算法，来识别多个未知门限效应，并利用自适应压缩的估计方法识别各区域内重要的预测变量，以提升不同分位数水平下的预测精度。本文建立了所提出估计量的渐近性质，且其良好的有限样本性质在模拟中进一步得到验证。针对美国股票收益率的实证分析表明，变量的收益率可预测性会随经济状态和分位数水平发生变化，证实了可预测性在分位数层面上存在区制依赖特征。

作者简介

谢昕伶，西南财经大学数据科学与商业智能联合实验室讲师，主要方向是非平稳时间序列分析，模型选择和平均，不稳定性结构分析。

涂云东，北京大学光华管理学院和北京大学统计科学中心联席教授，主要从事时间序列分析、非参数计量方法、大数据分析、金融计量和预测等领域的研究。