Nonparametric long term prediction of stock returns with generated bond yields

رویکردهای تجربی اخیر در پیش بینی بازده سهام یا حق بیمه نشان داد که تعاملات پویا بین سهام و اوراق قرضه برای محصولات بازنشستگی بلند مدت مرتبط است. روش های اتوماتیک برای ارتقا یا کاهش خطر ابتلا به خطر می تواند به طور بالقوه عملکرد درازمدت برای چنین محصولاتی را بهبود بخشد. ریسک و بازده اوراق قرضه نسبت به ریسک و بازگشت سهام آسان تر است. این همبستگی سهام و اعتبار به خوبی شناخته شده است که باعث می شود که درآمد حاصل از باند فعلی در یک مدل برای پیش بینی بازده سهام بیش از حد باشد. در اینجا، ما با استفاده از داده های سالانه، نمایه طولانی مدت مشروح را به کار می گیریم و بر روابط غیر خطی بین مجموعه ای از متغیرها تمرکز می کنیم. ما از مدل های کاملا غیر پارامتریک استفاده می کنیم و برای تخمین یک هسته محلی خطی نرمتر استفاده می کنیم. از آنجا که بازده فعلی باند شناخته شده نیست، در یک مرحله قبل پیش بینی شده است. ساختار تحمیل شده در این روش در فرایند ارزیابی نهایی کمک می کند تا از لعن ابعاد دور بماند و باعث کاهش تعصب در تخمین بازده سهام اضافی شود. نتایج پیش بینی سهام معتبر ما نشان می دهد که پیش بینی بازده باند به طور قابل توجهی بهبود پیش بینی سهام.