作者
上市的：- 法比奥·卡拉纳奇
- 乔治·卡佩塔尼奥斯
- 西蒙·普里斯
摘要
我们重新审视了美国股市收益的可预测性。理论上有充分依据的模型预测，I（1）变量的固定组合，如股息或市盈率或通常称为CAY的消费/资产/收入关系，可以预测回报。然而，有证据表明，这些关系是不稳定的，考虑到无条件平均值的离散偏移（位置偏移）可以带来更大的可预测性。目前尚不清楚为什么会出现少量离散位移，我们使用Giraitis、Kapetanios和Yates介绍的方法，允许预测因子中出现更普遍的不稳定性，其特征是平滑变化。这可以从观测到的时间序列中删除持久性成分，否则可能会导致出现近单位根类型的行为。因此，我们的方法可以被视为广泛使用的IVX方法的替代方法，在IVX方法中，预测因子具有很强的持久性。我们将此应用于1952年至2019年样本中上述三个预测因子（包括金融危机，但不包括Covid疫情），发现建模平滑不稳定性提高了可预测性和预测性能，并往往优于离散位置转移，无论是通过样本内Bai-Perron检验还是马尔可夫切换模型来识别。
建议引用
Fabio Calonaci&George Kapetanios&Simon Price，2022年。"具有不稳定预测因子的股票收益可预测性,"CAMA工作文件2022-04年，澳大利亚国立大学克劳福德公共政策学院应用宏观经济分析中心。手柄：RePEc:een:camaaa:2022-04
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:een:camaaa:2022-04。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用来帮助添加它们这个表格.
如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。
有关此项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Cama Admin（以下电子邮件可用）。供应商的一般联系方式：https://edirc.repec.org/data/asanuau.html.
请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。
