我院姜富偉副教授、賀強教授和中财蒂爾堡項目博士生張宏偉合作撰寫的論文《ForecastingStock Returns with Model Uncertainty and Parameter Instability》被應用經濟學領域國際著名期刊《Journal ofApplied Econometrics》正式接受待出版。在本文中,姜富偉教授等提出了一種全新的組合預測方法可以很大程度上提高對股權風險溢價或股票預期收益的預測精度。本文對實證資産定價、金融機器學習和量化投資等研究領域都做出了重要學術貢獻。
本文首先全面探究了包括KS、BMA、MMA、JMA、WALS和LASSO、ENet在内的多種模型平均和機器學習算法對股權風險溢價的預測能力,出乎意料的是,本文發現絕大多數模型的樣本外預測精度都很低。本文接着從經濟理論角度上提出,這是源于這些經典模型都忽視了金融市場固有的動态、演進和結構變化頻繁的特征,金融市場具有模型不确定性和參數不穩定問題,因此這些建立在穩定數據生成過程假設基礎上經典模型都喪失了預測精度。
本文接着提出了一種同時考慮模型不确定性、參數不穩定和收縮(Shrinkage)的全新的組合預測方法,并把這種組合預測方法應用到KS和LASSO等模型平均和機器學習經典算法上。文章新的組合預測方法可以極大程度上提高那些經典模型平均和機器學習方法對股權風險溢價的樣本外預測能力。這種全新的組合預測方法還能準确預測GDP、經濟景氣度和經濟衰退概率等宏觀經濟指标。本文從方差-偏差權衡的統計理論角度以及時變宏觀經濟風險和時變風險風險厭惡的經濟理論角度解釋了新組合預測方法為什麼可以帶來很大的預測精度提高。