مقاله استنتاج قوی برای رگرسیون های پیش بینی چندگانه با استفاده از حق بیمه ریسک اوراق قرضه

چکیده

We propose a robust hypothesis testing procedure for the predictability of multiple predictors that could be highly persistent. Our method improves the popular extended instrumental variable (IVX) testing (Phillips and Lee, 2013; Kostakis et al., 2015) in that, besides addressing the two bias effects found in Hosseinkouchack and Demetrescu (2021), we find and deal with the variance-enlargement effect. We show that two types of higher-order terms induce these distortion effects in the test statistic, leading to significant over-rejection for one-sided tests and tests in multiple predictive regressions. Our improved IVX-based test includes three steps to tackle all the issues above regarding finite sample bias and variance terms. Thus, the test statistics perform well in size control, while its power performance is comparable with the original IVX. Monte Carlo simulations and an empirical study on the predictability of bond risk premia are provided to demonstrate the effectiveness of the newly proposed approach.

چکیده به فارسی (ترجمه ماشینی)

ما یک روش آزمایش فرضیه قوی را برای پیش بینی پیش بینی های متعدد که می توانند بسیار پایدار باشند پیشنهاد می کنیم.روش ما تست متغیر ابزاری گسترده (IVX) محبوب (فیلیپس و لی ، 2013 ؛ کاستاکیس و همکاران ، 2015) را بهبود می بخشد ، به این ترتیب ، علاوه بر پرداختن به دو اثر تعصب موجود در Hosseinkouchack و Demetrescu (2021) ، ما می یابیم و با آنها سر و کار داریماثر واریانس-الحاق.ما نشان می دهیم که دو نوع از اصطلاحات مرتبه بالاتر ، این اثرات اعوجاج را در آمار آزمون القا می کنند و منجر به رد بیش از حد قابل توجهی برای تست های یک طرفه و آزمایشات در رگرسیون پیش بینی کننده های متعدد می شوند.آزمون بهبود یافته مبتنی بر IVX ما شامل سه مرحله برای مقابله با همه موارد فوق در مورد تعصب نمونه محدود و شرایط واریانس است.بنابراین ، آمار آزمون در کنترل اندازه عملکرد خوبی دارد ، در حالی که عملکرد قدرت آن با IVX اصلی قابل مقایسه است.شبیه سازی مونت کارلو و یک مطالعه تجربی در مورد پیش بینی حق بیمه خطر پیوند برای نشان دادن اثربخشی رویکرد تازه پیشنهادی ارائه شده است.