半参数时变系数预测回归模型的计量经济理论与应用

结题报告

项目介绍

AI项目解读

基本信息

批准号：
71873033
项目类别：
面上项目
资助金额：
48.0万
负责人：
王芸
依托单位：
对外经济贸易大学
学科分类：
G0301.计量经济与经济统计
结题年份：
2022
批准年份：
2018
项目状态：
已结题
起止时间：
2019-01-01 至2022-12-31

项目参与者：
苏良军； Aman Ullah；章永辉；冯强；潘红宇；赵鹏飞；周芳欣；
关键词：
检验统计量非参数估计方法估计量模型设定半参数估计

项目摘要

The predictability of stock returns has been extensively studied in finance and economics fields. Especially, a fundamental issue in finance is whether future stock returns are predictable using publicly available information. However，parametric predictive regression models frequently suffer misspecification issue, and it is hard to answer whether or not the predictability of regressors is time-varying under the parametric framework. Motivated by these issues, this project will first set up a Semiparametric framework of time-varying predictive regressions for time-series data, which considers the embedded endogeneity issue and incorporates the various unknown degree of persistence and explosive properties of the predictors, and then provide a robust semiparametric estimation and unified test statistics. Second, we will extend the model into panel data, set up a semiparametric time-varying panel predictive regression models with cross-sectional dependence, and provide a new set of estimation methods and testing theory. Finally, we will apply the newly developed models and theoretical methods to real financial and economic data, and conduct a comprehensive empirical study in comparison with widely used parametric methods.

股票收益的可预测性研究一直受到金融经济领域研究者们的广泛关注，尤其对于股票收益是否可由公众可获得的信息来预测已经成为金融学和经济学研究中的一个基本问题。金融领域中大量实证应用研究基于的是参数框架下的预测回归模型。然而，参数预测回归模型容易出现函数形式误设问题，并且难以回答预测变量的预测效应是否随着时间变化而变化的问题。为解决这些问题，本课题研究首先建立适用于时间序列数据结构的时变系数预测回归模型框架，将考虑模型的内生性问题、预测回归变量未知的不同程度的持续性和扩散性，提供一套稳健的半参数估计方法和统一的检验统计量。其次，我们将模型扩展到面板数据中，建立具有横截面相关的时变系数面板数据预测回归模型，并提供一套全新的估计和检验理论。最后，我们将新的模型与方法应用到具体的金融经济数据中，与广泛使用的参数方法进行大量的比较研究。

结项摘要

众所周知，参数回归模型容易出现函数形式误设问题，并且难以回答解释变量的影响或者预测效应是否随着时间变化而变化的问题。尤其是针对变量间复杂的函数关系和时变特征时参数模型更容易出现函数形式的误设和估计的偏误。为解决这些问题，本课题研究首先建立适用于时间序列数据结构的时变系数预测回归模型框架，将考虑模型的内生性问题、预测回归变量未知的不同程度的持续性和扩散性，提供稳健的估计方法和统一的检验统计量。我们研究的具有时变特性预测模型包括时变系数的预测回归模型，具有趋势项的伪回归模型，具有因子载荷以及时变系数的diffusion index预测模型。其次，我们将具有如上特性的模型扩展到面板数据中，建立具有横截面相关的时变系数面板数据回归模型，并提出全新的估计和检验理论。本项目研究的面板模型包含具有函数系数的偏线性动态面板数据模型，具有组间异质性斜率系数的线性和非线性面板数据模型，以及具有时变特征个体效应的面板Probit模型。针对以上模型我们提出了新的估计理论或检验方法，此外，我们进行了大量的蒙特卡洛模拟实验，其结果均显示新提出的理论方法具有良好的有限样本性质。最后，我们将新的模型与方法应用到具体的经济、金融以及能源经济数据中，与传统的参数方法进行比较研究。本项目的应用研究包含：（1）采用美国加总的经济数据用系统性的方法结合非参数方法重新估计了劳动资本的替代弹性和有偏的要素增加技术进步；（2）重新研究了生育对女性在劳动力市场的参与度的影响；（3）考虑时变系数特征重新预测一些宏观经济变量；（4）针对金融时间序列的持续性和发散性特征的建模、检验及预测；（5）考虑到复杂的函数形式及动态变化特征，基于本项目的理论研究，提出一套针对新能源汽车便携能源的实证研究结果和政策建议。本项目取得的研究成果均展现出很好的理论研究价值和广泛的应用性。