Out-of-sample equity premium predictability and sample split-invariant inference

برای یک مجموعه جامع از 21 پیشگویی حقوقی سهام، تغییرات شدید در نتایج پیش بینی پذیری غیرمستقیم را با توجه به انتخاب تاریخ تقسیم نمونه انجام می دهیم. برای حل این مسئله ما پیشنهاد می دهیم که به صورت گرافیکی از معیارهای پیش بینی پذیری خارج از نمونه برای هر تقسیم بندی ممکن و دو آزمون خارج از نمونه که برای انتخاب تقسیم نمونه غیرممکن است، ارائه شود. ما مدرک مونت کارلو را ارائه می دهیم که استنتاج مبتنی بر راه انداز ما معتبر است. نمونه درون نمونه و آزمون غیرمستقیم نمونه های غیرمستقیم و حداکثر آزمون که ما پیشنهاد می کنیم، در توافق کلی هستند. در نهایت، ما نشان می دهیم که چگونه می توان آزمایش های پیش بینی غیرمستقیم تقسیم نمونه را انجام داد که به طور همزمان برای معادله داده در بسیاری از متغیرها کنترل می شود.