利用股市横截面的过滤信号进行宏观经济预测

尼古拉斯·查特莱斯,陈庚辛和阿瑟·斯塔拉·鲍迪伦

工作文件从法国银行

摘要：新冠肺炎疫情爆发后，股价突然下跌，反映出投资者对经济活动的预期恶化以及风险规避情绪激增。然而，在接下来的几个月里，经济活动仍然低迷，而股市反弹。股票价值与宏观变量之间的脱节可以部分地由其他因素解释，即无风险利率的下降，以及对美国而言，IT部门的强劲盈利能力。因此，计量经济学者在疫情期间用股票市场总变量预测经济活动可能会得到较差的结果。因此，我们的主要贡献是依靠因子模型中按部门分类的权益变量来预测美国经济活动。首先，我们发现，与总股本变量或文献中使用的传统基准（样本内和样本外）相比，因子模型能够更好地预测未来经济活动。其次，我们表明，因子模型的强劲表现来自于它过滤掉了部门股权变量的“预期回报”部分以及未来总现金流的外国部分。构建因子对与商业周期未来状态密切相关的上游部门和“价值”部门的权重过大。

关键词： 因子模型;股票市场;宏观经济预测（在EconPapers中搜索类似项目）
JEL代码： 第17页 14国集团 17国集团（在EconPapers中搜索类似项目）
页：32页
日期：2022
参考文献： 查看经济论文中的参考文献 从CitEc查看完整的参考列表
引文：

下载内容：（外部链接）
https://publications.banque-france.fr/sites/defaul ... /文件/wp903.pdf

相关工作：
工作文件：利用股市横截面的过滤信号进行宏观经济预测(2022)
该项目可在EconPapers的其他地方获得：搜索对于具有相同标题的项目。

导出参考： BibTeX公司 RIS公司（尾注、ProCite、RefMan）HTML/文本

永久链接： https://EconPapers.repec.org/repec:bfr:banfra:903

访问统计信息用于本文

更多论文在来自的工作文件中法国银行法国银行小香槟街31号实验室-49-1404 75049巴黎。联系方式：EDIRC公司.
Michael brassart维护的系列书目数据().