Forecasting stock market returns by summing the frequency-decomposed parts

Abstract

We generalize the Ferreira and Santa-Clara (2011) sum-of-the-parts method for forecasting stock market returns. Rather than summing the parts of stock returns, we suggest summing some of the frequency-decomposed parts. The proposed method signi cantly improves upon the original sum-of-the-parts and delivers statistically and economically gains over historical mean forecasts, with monthly out-of-sample R2 of 2.60% and annual utility gains of 558 basis points. The strong performance of this method comes from its ability to isolate the frequencies of the parts with the highest predictive power, and from the fact that the selected frequency-decomposed parts carry complementary information that captures di erent frequencies of stock market returns.

Tässä työssä sovelletaan eri ennustemuuttujien taajuushajotelmia osakemarkkinatuottojen ennustamiseen. Menetelmää käytetään Ferreiran ja Santa-Claran (2011) rakentamassa osiensa summa kehikossa. Menetelmällä tuotetut ennusteet ovat sekä tilastollisesti että taloustieteellisesti merkittävästi parempia kuin historialliseen keskiarvoon perustuvat ennusteet. Kuukausiaineistossa otoksen ulkoisten ennusteiden selitysaste R2 on 3,27 % ja vuotuinen hyvinvoinnin kasvu 403 peruspistettä. Menetelmän vahvuus perustuu sen kykyyn eristää kohinasta ne ennustemuuttujien taajuudet, joilla on suurin ennustevoima. Lisäksi ennustemuuttujien taajuushajotelmiin sisältyy toisiaan täydentävää informaatiota osakemarkkinatuottojen pitkä aikavälin trendistä ja lyhyen aikavälin vaihteluista.