基于信噪比改进预测的金融建模方法与实证研究

来源：管理科学学报杂志2026年第1期北京时间：

作者：林艳艳，朱顺伟，吴冲锋

单位：林艳艳,上海交通大学安泰经济与管理学院,朱顺伟,上海交通大学安泰经济与管理学院,吴冲锋,上海交通大学安泰经济与管理学院,

摘要：在经典的线性回归模型基础上，考虑拟合模型参数估计的随机性因素后，应该对经典的线性回归模型给予一定的修正才能更好地预测未来.因此，本文提出基于信息噪声比修正的L乘子模型，它架起拟合最优模型与预测最优模型的关系.文中给出了最优L乘子的显式解，并在考虑预测变量存在自相关性的情况下，给出了L的改进表达式.然后，本文探讨了L乘子的两种估计方法.实证上，通过将L乘子模型应用于股票收益率的预测问题验证了本文理论有效性.结果表明：1)相较于基准的线性回归模型，L乘子模型具有更高的预测精度；2)噪声较高、历史样本量较小或预测变量的信息含量较低时，L乘子的修正力度较大，带来的预测改进效果越明显；3)对于均值-方差效用的投资者而言，这种预测性能的改进可以为其带来投资绩效提升.这些结论也满足一系列的稳健性检验.

关键词：线性回归; 噪声; 信息噪声比; 股票收益率; 预测