Two Out-of-Sample Forecasting Models of the Equity Premium
نویسندگان
چکیده
منابع مشابه
Forecasting the Equity Risk Premium: The Role of Technical Indicators
While macroeconomic variables have been used extensively to forecast the U.S. equity risk premium and build models to explain it, relatively little attention has been paid to the technical stock market indicators widely employed by practitioners. Our paper fills this gap by studying the forecasting ability of a variety of technical indicators in comparison to that of a number of well-known macr...
متن کاملOut-of-Sample Equity Premium Prediction: Consistently Beating the Historical Average
While a host of economic variables have been identified in the literature with the apparent in-sample ability to predict the equity premium, Goyal and Welch (2007) find that these variables fail to deliver consistent out-of-sample forecast gains relative to the historical average. Imposing theoretically motivated restrictions on individual predictive regression models, Campbell and Thompson (20...
متن کاملa case study of the two translators of the holy quran: tahereh saffarzadeh and laleh bakhtiar
بطورکلی، کتاب های مقدسی همچون قران کریم را خوانندگان میتوان مطابق با پیش زمینه های مختلفی که درند درک کنند. محقق تلاش کرده نقش پیش زمینه اجتماعی-فرهنگی را روی ایدئولوژی های مترجمین زن و در نتیجه تاثیراتش را روی خواندن و ترجمه آیات قرآن کریم بررسی کند و ببیند که آیا تفاوت های واژگانی عمده ای میان این مترجمین وجود دارد یا نه. به این منظور، ترجمه 24 آیه از آیات قرآن کریم مورد بررسی مقایسه ای قرار ...
15 صفحه اولOut-of-Sample Equity Premium Prediction: Economic Fundamentals vs. Moving-Average Rules
This paper analyzes the ability of both economic variables and moving-average rules to forecast the monthly U.S. equity premium using out-of-sample tests for 1960–2008. Both approaches provide statistically and economically significant out-of-sample forecasting gains, which are concentrated in U.S. business-cycle recessions. Nevertheless, economic variables and moving-average rules capture diff...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: SSRN Electronic Journal
سال: 2020
ISSN: 1556-5068
DOI: 10.2139/ssrn.3726076