我院姜富伟副教授、贺强教授和中财蒂尔堡项目博士生张宏伟合作撰写的论文《ForecastingStock Returns with Model Uncertainty and Parameter Instability》被应用经济学领域国际著名期刊《Journal ofApplied Econometrics》正式接受待出版。在本文中🚍🏊🏼，姜富伟教授等提出了一种全新的组合预测方法可以很大程度上提高对股权风险溢价或股票预期收益的预测精度。本文对实证资产定价、金融机器学习和量化投资等研究领域都做出了重要学术贡献⌛️。
本文首先全面探究了包括KS、BMA、MMA、JMA、WALS和LASSO🪈、ENet在内的多种模型平均和机器学习算法对股权风险溢价的预测能力📹💬，出乎意料的是，本文发现绝大多数模型的样本外预测精度都很低。本文接着从经济理论角度上提出，这是源于这些经典模型都忽视了金融市场固有的动态、演进和结构变化频繁的特征，金融市场具有模型不确定性和参数不稳定问题👩🏻🦼🏝，因此这些建立在稳定数据生成过程假设基础上经典模型都丧失了预测精度。
本文接着提出了一种同时考虑模型不确定性、参数不稳定和收缩（Shrinkage）的全新的组合预测方法，并把这种组合预测方法应用到KS和LASSO等模型平均和机器学习经典算法上。文章新的组合预测方法可以极大程度上提高那些经典模型平均和机器学习方法对股权风险溢价的样本外预测能力。这种全新的组合预测方法还能准确预测GDP、经济景气度和经济衰退概率等宏观经济指标。本文从方差-偏差权衡的统计理论角度以及时变宏观经济风险和时变风险风险厌恶的经济理论角度解释了新组合预测方法为什么可以带来很大的预测精度提高。
