全球持久性、局部残差结构：面向异构投资面板的预测

在一个包含 93 个 actor 的季度面板数据中，混合宏观指标、制度数据和公司层面的投资比率，全局因子增强会降低那些动态被共享基准所误表示的 actor 子组的预测准确性。我们提出了两阶段架构——全局 pooled AR(1) 用于捕捉共享持久性，特定 actor 的局部模型用于捕捉残差动态——可提高完整面板的 out-of-sample $R^2$ 从 0.630 提升至 0.677（增量 $\Delta = +0.047$，置信区间 $[+0.036, +0.058]$，10/10 个窗口，placebo $p \leq 0.001$）。一个保存在 2005-2014 年数据上冻结的 block partition 的十年持久测试（在未见的 2015-2024 年窗口上评估）确认了该增益（$\Delta = +0.050$，10/10 个），并通过一个分层 placebo检验——固定宏观/公司数据类型分割，仅随机置换公司行业分配——得到校正（$z = 7.25$，$p \leq 0.001$）。跨 regime 复制测试在 109 个 actor 的英国/欧盟异构面板上（$\Delta = +0.017$，8/8 个窗口）以及包含 202 个 actor 的美国+英国/欧盟面板上（$\Delta = +0.030$，placebo $z = 9.68$——超过原始美国专项 $z = 7.82$）均得到确认。对 146 家企业的 CapEx/Assets 稳健性检验细化了范围条件：该增益取决于自回归结构的横截面离散程度，而数据类型异构性可靠地产生但也存在于合适比率选择下的公司专项面板中。