本项目在分位数回归的统计推断领域获得重要进展。当涉及具有零或非零截距的持续性预测因子时，分位数回归推断的渐近行为会发生明显不同；而区分预测因子的属性在实证上具有挑战性。研究团队提出了一种统一的不论是否存在截距或持续性预测因子都适用的可预测性检验；该检验是数据分割、加权推断和随机加权自举方法的创新组合。蒙特卡洛模拟结果显示，新方法在各种情景下，特别是当预测性回归因子包含非零截距时，与现有模型比有更好的效果；并重新检验了1980年至2019年间月度S&P 500指数收益率分位数的可预测性。

研究成果：Xiaohui Liu; Wei Long; Liang Peng; Bingduo Yang. A Unified Inference for Predictive Quantile Regression, Journal of the American Statistical Association, 2024, 119(546): 1526-1540. (SCIE Q1, IF=3; ABS 4星)