Financial analysts assume that the reliability of predictions derived from regression analysis improves with sample size. This is thought to be true because larger samples tend to produce less noisy results than smaller samples. But this is not always the case. Some observations are more relevant than others, and often one can obtain more reliable predictions by censoring observations that are not sufficiently relevant. The authors introduce a methodology for identifying relevant observations by recasting the prediction of a regression equation as a weighted average of the historical values of the dependent variable, in which the weights are the relevance of the independent variables. This equivalence allows them to use a subset of more relevant observations to forecast the dependent variable. The authors apply their methodology to forecast factor returns from economic variables. TOPICS: Portfolio management/multi-asset allocation, risk management, quantitative methods Key Findings • The prediction from a linear regression equation is mathematically equivalent to a weighted average of the past values of the dependent variable, in which the weights are the relevance of the independent observations. • Relevance within this context is defined as the sum of statistical similarity and informativeness, both of which are defined as Mahalanobis distances. • Together, these features allow researchers to censor less relevant observations and derive more reliable predictions of the dependent variable.

中文翻译：

---

减法相加：预测要素收益（以及其他所有收益）的更好方法

财务分析师认为，回归分析得出的预测的可靠性会随着样本数量的增加而提高。人们认为这是正确的，因为较大的样本比较小的样本倾向于产生较少的噪声结果。但这并非总是如此。一些观察比其他观察更相关，并且通常可以通过审查不充分相关的观察来获得更可靠的预测。作者介绍了一种方法，该方法通过将回归方程的预测重塑为因变量历史值的加权平均值来确定相关观察值，其中权重是自变量的相关性。这种等效性使他们能够使用更多相关观察结果的子集来预测因变量。作者运用他们的方法来预测经济变量的要素收益。主题：资产组合管理/多资产分配，风险管理，定量方法主要发现•线性回归方程的预测在数学上等同于因变量过去值的加权平均值，其中权重是因变量的相关性。独立观察。•在此上下文中的相关性定义为统计相似性和信息性的总和，两者均定义为马氏距离。•这些功能一起使研究人员可以审查较少的相关观测值，并得出因变量更可靠的预测。定量方法主要发现•线性回归方程的预测在数学上等同于因变量过去的值的加权平均值，其中权重是独立观测值的相关性。•在此上下文中的相关性定义为统计相似性和信息性的总和，两者均定义为马氏距离。•这些功能一起使研究人员可以审查较少的相关观测值，并得出因变量更可靠的预测。定量方法主要发现•线性回归方程的预测在数学上等同于因变量过去的值的加权平均值，其中权重是独立观测值的相关性。•在此上下文中的相关性定义为统计相似性和信息性的总和，两者均定义为马氏距离。•这些功能一起使研究人员可以审查较少的相关观测值，并得出因变量更可靠的预测。•在此上下文中的相关性定义为统计相似性和信息性的总和，两者均定义为马氏距离。•这些功能一起使研究人员可以审查较少的相关观测值，并得出因变量更可靠的预测。•在此上下文中的相关性定义为统计相似性和信息性的总和，两者均定义为马氏距离。•这些功能一起使研究人员可以审查较少的相关观测值，并得出因变量更可靠的预测。