市場預測，我搞了一個半月了

非學術...最近沒時間整理paper，血槽快空了，隨便出來吐吐槽...

從10月中下旬，Charles給了我個題目。「我和我的PhD在寫一篇論文，發現CPIVS能夠預測市場。簡單回歸了一下，結果還不錯。我讓David給你個數據你試試。可以作為你的proposal或者thesis。」心路歷程就是：「我得看Stambaugh啊，Bayesian看不懂怎麼辦....」「我是不是得有model啊...」「啊，該怎麼寫啊...」結果老師一通電話說，不用那麼麻煩，重要的是和其他variable比較。終於可以走上正軌了...

等到了David的數據，搞了一天程序和數據，一開始，媽的什麼都不顯著，magnitude都不對，結果發現，變數名和數據配對出錯了...糾正了問題之後，結果還挺好。本來不想看周國富的，現在引用了他至少3、4篇，而且依舊在增加...好吧，謝謝他的程序...Rapach也是一個好厲害的人物，寫了很多。後來Joseph給我full sample之後，結果還是可以的，哈哈。並且我還因為姐姐問我變數定義的問題，看了幾篇Bali的文章，發現其實沒有太大分別，同時也避免和別人做重複。

按照Goyal-Welch比較了CPIVS和DP，DE，EP等等變數（後來發現，周國富寫過一篇，說short interest也有預測性的時候用的也是這個套路），然後又因為Campbell-Thompson和Rapach, Strauss, and Zhou的framework，又做了一系列比較，結果都還行。除了檢驗市場收益，還做了common risk factor，portfolio等等，都還行。

但是，如何解釋CPIVS以及如何解決small sample bias，這兩個問題花了我一個多月。任博把RZZ的文章發給我，說，你可以試試stock return decomposition，但是結果沒有很好，因為expected return，cash flow news和discounted rate news都不能解釋CPIVS的作用。胡博說，你可以看看realized volatility能不能解決CPIVS解釋力的問題，結果還不錯，因為CPIVS能預測其他變數，但是其他變數不能。再然後師兄和我說，你可以試試bootstrap比較一下方差什麼的，可能可以控制一下small sample bias。結果，我發現了Klein and Kim，simulate了一遍發現結果還不錯。雖然不能解決bias，也不是純粹為了解決small sample bias，但是至少不會因為sample randomization會影響結果。我覺得人生又有了希望。

最後，和博神聊聊天，突然發現原來應該進一步考慮是不是可以用CPIVS帶來一個strategy，也就是能不能試試market timing？隨便試了一個，結果沒有那麼好，但是cumulative return比market要好，OK的。但是現在還不確定這樣做是不是對的，但是我覺得至少應該有一個這個部分。

上計量，SJ看了我發給他的proposal plan，他說你能不能從quadratic loss function試試asymmetric loss function？OK，我找到一個Timmerman的奇怪文章，test一下，嗯，我就應該用symmetric loss model...

總之，好開心。可以開開心心整理一下文字了。

以上

推薦閱讀：