一种带时变风险溢价的惩罚化两遍回归股票收益预测方法
计量经济学
2022-08-02 v1 机器学习
摘要
我们开发了一种具有时变因子载荷的惩罚化两遍回归。第一遍中的惩罚在强制时变驱动因子稀疏性的同时，通过对适当系数组进行正则化而与无套利限制保持兼容。第二遍给出风险溢价估计以预测股票超额收益。我们的蒙特卡洛结果以及基于美国个股大型横截面数据集的实证结果表明，无分组的惩罚可导致几乎所有估计的时变模型违反无套利限制。此外，我们的结果显示，相较于无适当分组的惩罚化方法或时不变因子模型，所提方法降低了预测误差。
引用
@article{arxiv.2208.00972,
title = {A penalized two-pass regression to predict stock returns with time-varying risk premia},
author = {Gaetan Bakalli and Stéphane Guerrier and Olivier Scaillet},
journal= {arXiv preprint arXiv:2208.00972},
year = {2022}
}