具有高持续性和条件异方差的Expectile预测回归模型

来源：应用数学学报杂志2026年第2期北京时间：

作者：刘小惠, 曹阳, 范雅文, 彭凌

单位：1 江西财经大学统计与数据科学学院, 财经数据科学重点实验室, 南昌 330013;<br>2 华东交通大学经济管理学院, 南昌 330013

摘要：传统均值回归模型已广泛应用于预测领域, 但它较难捕捉数据的尾部特征, 尤其是在数据存在偏态和厚尾分布的情况下. Expectile回归作为均值回归模型的拓展, 为不同分布形态与Expectile水平下的建模提供了更灵活的框架, 从而能够更细致地揭示可预测性特征. 本文提出了一种针对Expectile预测回归模型的一致可预测性检验方法, 该方法考虑了金融时间序列中可能存在的高持续性与条件异方差性. 本文推导了检验统计量的渐近分布, 并证明该方法对预测变量的不同持续性情形具有稳健性. 实证分析检验了11项宏观经济指标对普尔500指数月度收益率的可预测性. 结果显示, 不同Expectile点下预测能力存在显著差异. 研究表明, Expectile预测回归模型在刻画金融数据的复杂性以及提升预测精度方面具有显著优势.

关键词：Expectile预测回归模型,高持续性,条件异方差,可预测性检验