学海拾珠系列之二百四十九：基于频域的股权溢价(ERP)预测方法

敬请参阅末页重要声明及评级说明 证券研究报告 基于频域的股权溢价（ERP）预测方法 ——学海拾珠系列之二百四十九 [Table_RptDate] 报告日期：2025-09-16 [Table_Author] 分析师：骆昱杉 执业证书号：S0010522110001 邮箱：luoyushan@hazq.com 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com [Table_CompanyReport] 相关报告 1. 《如何在投资组合构建中纳入宏观冲击？——“学海拾珠”系列之二百四十八》 2. 《分散化投资是否驱动大盘股需求？——“学海拾珠”系列之二百四十七》 3. 《基于图形派与基本面派的股市信息效率模型——“学海拾珠”系列之二百四十六》 4. 《分析师覆盖度与基金羊群行为——“学海拾珠”系列之二百四十五》 5. 《异常值稳健回归控制下的 EP 因子有效性重估——“学海拾珠”系列之二百四十四》 6. 《基于贝塔质量的多空因子策略（BABB）——“学海拾珠”系列之二百四十三》 7. 《资产间相关性的时变与机制切换研究——“学海拾珠”系列之二百四十二》 主要观点： [Table_Summary] 本篇是学海拾珠系列第二百四十九篇，文章采用频域分析方法，发现股权溢价预测因子的时间序列中隐藏着重要的预测信息。研究结果表明，市场预测信息可能存在两种不同形态并存：原始时域中的无效噪声和频域分解后的有效信号。 ⚫ 重新审视：原始时间序列中是否仍蕴藏有效预测信息？ 自 Goyal 与 Welch（2008）以来，股权溢价预测研究激增，但多数因子样本外预测能力有限。近年频域分析揭示收益与预测因子实为多频成分的聚合，预测能力具频率特异性。本文基于此重新审视：原始时间序列中是否仍蕴藏有效预测信息？ ⚫ 数据与研究方法：频域分析法显著优于传统时域方法 本研究采用 1973-2023 年月度数据，通过最大重叠离散小波变换（MODWT）将 25 个预测因子分解为 7 个频率成分（D1-S6）。使用滚动窗口法进行样本外预测（1990-2023），结果表明：频域分析能有效挖掘原始序列中隐藏的预测信息，多个因子在特定频率上表现出显著预测能力（如 SIID5 的 R²OS 达 1.67%）和经济价值（CER 增益最高458 基点），显著优于传统时域方法。 ⚫ 频域分析极大提升了预测因子的样本外（OOS）预测能力 实证研究结果表明：原始因子中仅 SII 具备样本外预测能力；分解后 11 个因子在特定频率表现显著，如 SIID5 的 R²OS 达 1.67%；频域预测经济价值突出，CER 增益最高 458 基点；方法在不同经济周期均保持稳健，显著优于传统时域模型。 ⚫ 文献来源 核心内容摘选自 Gonçalo Faria 等于 2025 年 8 月 22 日在 Journal of Empirical Finance 上 的 文 章 《 Unlocking Predictive Potential: The Frequency-domain Approach to Equity Premium Forecasting》。 ⚫ 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 [Table_StockNameRptType] 金融工程 专题报告 [Table_CommonRptType] 金融工程 敬请参阅末页重要声明及评级说明 2 / 14 证券研究报告 正文目录 1 引言....................................................................................................................................................................................................... 4 2 数据与方法 .......................................................................................................................................................................................... 5 2.1 预测因子的频率分解 ................................................................................................................................................................. 5 2.2 样本外（OOS）预测 ................................................................................................................................................................. 6 2.2.1 预测回归模型 ................................................................................................................................................................. 6 2.2.2 性能评估........................................................................................................................................................................... 7 3 实证结果 .............................................................................................................................................................................................. 7 4 总结.........................................