×
程明棉;廖、袁;杨喜业

工具和特质贝塔因子模型的统一预测推断。 （英语） Zbl 07767731号

《经济学杂志》。 237，第2号，C部分，文章ID 105373，28 p.（2023）.
摘要：本文研究了允许基于特征的时变因子β对扩散指数类型预测的影响。因子β由两个不同的组成部分组成：“工具性β”是一些可观察特征的函数，而“特质β”捕捉到了更不稳定的残余运动。为了估计这些基于特征的时变贝塔系数和相应的因子，我们将投影主成分分析（P-PCA）方法应用于高频回报数据。这种方法的主要优点是它细化了潜在因素的估计值，并将其用于预测模型中。我们证明了条件平均预测误差的各个主要分量都是渐近正态的，并且是两两独立的。大量的模拟研究表明了P-PCA估计量良好的有限样本性质，并证明了P-PCA方法相对于经典PCA方法在预测方面的优势。在我们的波动率预测实证实验中，我们发现与P-PCA方法相关联的因子增强模型更为简约，并且对多种目标资产取得了更好的性能。我们还发现了特质β随时间变化的不同水平的证据，这就需要我们统一的预测推断程序。

MSC公司：

62至XX 统计
91至XX 博弈论、经济学、金融和其他社会和行为科学

关键词：

因子增强预测;一致推理;预计PCA;大维数据;高频数据
PDF格式BibTeX公司 XML格式引用
\textit{M.Cheng}等人，J.Econom。237，第2号，C部分，文章ID 105373，28页（2023；Zbl 07767731）
全文： 内政部

参考文献：

[1] 阿伊特萨赫利亚，Y。；卡乔·迪亚兹，J。；Laeven，R.J.，使用相互激励的跳跃过程建模金融传染。J.财务。经济学。，3, 585-606 (2015)
[2] 阿伊特萨赫利亚，Y。；卡尼娜，I。；Xiu，D.，高频因子模型和回归。《计量经济学杂志》，186-105（2020）·Zbl 1456.62239号
[3] 阿伊特萨赫利亚，Y。；Xiu，D.，使用主成分分析估计高频数据的高维因子模型。《计量经济学杂志》，2384-399（2017）·Zbl 1377.62148号
[4] 阿伊特萨赫利亚，Y。；Xiu，D.，高频数据的主成分分析。J.Amer。统计师。协会，525287-303（2019）·Zbl 1478.62150号
[5] Andersen，T.G。；Bollerslev，T。；Diebold，F.X.，《粗略处理：在回报波动性的测量、建模和预测中包含跳跃成分》。经济收益率。Stat.，4701-720（2007）
[6] Andersen，T.G。；多布雷夫博士。；Schaumburg，E.，使用最近邻截断的跳跃波动率估计。《计量经济学杂志》，175-93（2012）·Zbl 1443.62327号
[7] Ang，A。；霍德里克·R·J。；Xing，Y。；Zhang，X.，波动性和预期回报的横截面。《金融杂志》，1259-299（2006）
[8] Ang，A。；霍德里克·R·J。；Xing，Y。；Zhang，X.，高特质波动性和低回报：国际和美国的进一步证据。J.财务。经济学。，1, 1-23 (2009)
[9] Bai，J.，大维度因子模型的推理理论。《计量经济学》，1135-171（2003）·Zbl 1136.62354号
[10] Bai，J。；李凯。；Lu，L.，FAVAR模型的估计和推断。J.总线。经济。统计人员。，4, 620-641 (2016)
[11] Bai，J。；Ng，S.，扩散指数预测的置信区间和因子增强回归的推断。《计量经济学》，41133-1150（2006）·Zbl 1152.91721号
[12] Bai，J。；Ng，S.，评估宏观经济和金融中的潜在和观察因素。《计量经济学杂志》，1-2507-537（2006）·Zbl 1337.62341号
[13] Bai，J。；Ng，S.，使用目标预测器预测经济时间序列。《计量经济学杂志》，2304-317（2008）·兹比尔1429.62419
[14] 巴恩多夫·尼尔森，O.E。；Shephard，N.，《随机波动和跳跃的幂和双幂变化》。J.财务。经济。，1, 1-37 (2004)
[15] 巴恩多夫·尼尔森，O.E。；北谢泼德。；Winkel，M.，跳跃存在时多功率变化的极限定理。随机过程。申请。，5, 796-806 (2006) ·Zbl 1096.60022号
[16] 伯南克，B.S。；Boivin，J。；Eliasz，P.，《衡量货币政策的效果：一种因子增强向量自回归（FAVAR）方法》。Q.J.经济。，1, 387-422 (2005)
[17] Bollerslev，T。；李S.Z。；Todorov，V.，《拉近贝塔系数：连续与不连续贝塔系数以及预期股票回报的横截面》。J.财务。经济学。，3, 464-490 (2016)
[18] Bollerslev，T。；巴顿，A.J。；Quaedvlieg，R.，《利用误差：改进波动率预测的简单方法》。《计量经济学杂志》，第1期，第1-18页（2016年）·Zbl 1419.62294号
[19] 布朗利斯，C.T。；Gallo，G.M.，《超高频金融计量分析：数据处理问题》。计算。统计师。数据分析。，4, 2232-2245 (2006) ·Zbl 1157.62517号
[20] 坎贝尔，J.Y。；汤普森，S.B.，《预测样本外的超额股票回报：有什么能超过历史平均水平吗？。财务版次。螺柱，41509-1531（2008）
[21] Carhart，M.M.，《关于共同基金业绩的持续性》。《金融杂志》，157-82（1997）
[22] 康纳，G。；哈格曼，M。；Linton，O.，Fama-French模型的有效半参数估计和扩展。《计量经济学》，2713-754（2012）·兹比尔1274.91485
[23] 康纳，G。；Linton，O.，普通股收益基于特征的因子模型的半参数估计。J.恩皮尔。财务。，5, 694-717 (2007)
[24] 科拉迪，V。；西尔瓦普勒，M.J。；Swanson，N.R.，跳跃和跳跃强度路径依赖性测试。《计量经济学杂志》，2248-267（2018）·Zbl 1452.62756号
[25] 科尔西，F。；Audrino，F。；Renó，R.，实现波动率预测的HAR建模，363-382
[26] 科尔西，F。；Pirino，D。；Reno，R.，阈值双幂变化和跳跃对波动率预测的影响。《计量经济学杂志》，2，276-288（2010）·Zbl 1441.62656号
[27] Fama，E.F。；French，K.R.，《股票和债券回报中的常见风险因素》。J.财务。经济学。，1, 3-56 (1993) ·Zbl 1131.91335号
[28] 范，J。；Liao，Y。；Wang，W.，因子模型中的投影主成分分析。安.统计师。，1, 219 (2016) ·Zbl 1331.62295号
[29] 弗雷伯格，J。；Neuhierl，A。；韦伯，M.，《非框架地剖析特征》。财务版次。螺柱，52326-2377（2020）
[30] Gagliardini，P。；Ossola，E。；Scaillet，O.，大型横截面股票数据集中的时间-变量风险溢价。《计量经济学》，3985-1046（2016）·兹比尔1419.91362
[31] Ghysels，E。；圣克拉拉，P。；Valkanov，R.，《预测波动性：从不同频率采样的回报数据中获取最大收益》。《计量经济学杂志》，1-259-95（2006）·Zbl 1337.62363号
[32] Ghysels，E。；Valkanov，R.，使用MIDAS预测波动性，383-401
[33] Giacomini，R。；White，H.，条件预测能力测试。《计量经济学》，61545-1578（2006）·Zbl 1187.91151号
[34] 戈亚尔，A。；Santa-Clara，P.，特质风险问题！。《金融杂志》，3，975-1007（2003）
[35] Hansen，P.R。；Lunde，A.，使用高频数据预测波动性
[36] Jacod，J。；Protter，P.，《过程离散化》（2012），施普林格出版社·Zbl 1259.60004号
[37] Jacod，J。；Rosenbaum，M.，《四次性和波动性的其他函数：有效估计》。安.统计师。，3, 1462-1484 (2013) ·Zbl 1292.60033号
[38] 雅各德，J。；Shiryaev，A.，随机过程的极限定理（2003），Springer·Zbl 1018.60002号
[39] Jacod，J。；Todorov，V.，离散观测多维过程跳跃共同到达的测试。安.统计师。，1792-1838 (2009) ·Zbl 1168.62075号
[40] Jegadeesh，北卡罗来纳州。；Titman，S.，《买入赢家和卖出输家的回报：对股市效率的影响》。《金融杂志》，165-91（1993）
[41] Kelly，B.T。；普鲁特，S。；Su，Y.，特征是协方差：风险和回报的统一模型。J.财务。经济学。，3, 501-524 (2019)
[42] Kelly，B.，Pruitt，S.，Su，Y.，2020年。仪器化主成分分析。耶鲁管理学院和凯里商学院工作文件。
[43] Kim，H.H。；Swanson，N.R.，使用因子MIDAS进行预测、现在预测和预测的方法：在韩国GDP中的应用。J.预测。，3, 281-302 (2018)
[44] 科扎克，S。；Nagel，S。；Santosh，S.，收缩横截面。J.财务。经济学。，2, 271-292 (2020)
[45] 莱托，M。；Pelger，M.，《适合股票回报时间序列和横截面的因素》。财务版次。螺柱，52274-2325（2020）
[46] 李，J。；托多罗夫，V。；Tauchen，G.，大横截面跳跃因子模型。定量经济学，2419-456（2019）·Zbl 1430.91120号
[47] 廖毅、杨旭，2020年。工具贝塔和特质贝塔条件因子模型的统一推断。罗格斯大学工作文件。
[48] Mancini，C.，具有随机扩散系数和跳跃的模型的非参数阈值估计。扫描。《美国法律总汇》第270-296页（2009年）·Zbl 1198.62079号
[49] Mancini，C.，积分方差阈值估计的收敛速度。随机过程。申请。，4, 845-855 (2011) ·Zbl 1216.62159号
[50] 马塞利诺，M。；Schumacher，C.，因子MIDAS，使用粗糙边缘数据进行即时预测和预测：德国GDP的模型比较。牛津大学。牛市。经济。Stat.，4518-550（2010年）
[51] 巴顿，A.J。；Sheppard，K.，《良好波动性，不良波动性：有符号跳跃和波动性的持续性》。经济收益率。统计，3683-697（2015）
[52] Pelger，M.，基于高频观测的大维度因子建模。《计量经济学杂志》，1，23-42（2019）·Zbl 1452.62786号
[53] Pelger，M.，《了解系统风险：高频方法》。《金融学杂志》，412179-220（2020）
[54] 佩尔格，M。；Xiong，R.，大维度状态变量模型。J.总线。经济。统计人员。，1-19 (2021)
[55] Rebonato，R.，Jäckel，P.，2011年。为风险管理和期权定价目的创建有效关联矩阵的最通用方法。SSRN工作文件。
[56] Stock，J.H.，Watson，M.W.，1998年。扩散指数。NBER工作文件。
[57] 股票，J.H。；Watson，M.W.，《预测通货膨胀》。货币经济学杂志。，2, 293-335 (1999)
[58] 股票，J.H。；Watson，M.W.，使用大量预测因子的主成分进行预测。J.Amer。统计师。协会，4601167-1179（2002）·兹比尔1041.62081
[59] 股票，J.H。；Watson，M.W.，《使用扩散指数进行宏观经济预测》。J.总线。经济。统计人员。，2, 147-162 (2002)
[60] 苏·L。；Wang，X.，《时变因子模型：估计和检验》。《计量经济学杂志》，184-101（2017）·兹比尔1456.62220
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。