Test Assets and Weak Factors
检验资产与弱因子AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究资产定价中的弱因子、检验资产选择和风险溢价估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
检验资产与弱因子
- 研究问题
- 检验资产对因子的暴露有限如何造成弱因子问题，能否通过选择检验资产改善因子强度并支持风险溢价估计与模型诊断？
- 方法与思路
- 作者提出监督主成分分析，迭代执行监督式资产选择、主成分估计与因子投影，以处理弱因子及部分因子不可观测的情形。
- 材料陈述的贡献
- 摘要称，该方法可在存在弱因子且并非所有因子均可观测时估计风险溢价、诊断因子模型，并建立相应渐近性质。
- 阅读关注点
- 应核对弱因子的定义、监督选择使用的信息、迭代停止规则，以及资产筛选如何进入风险溢价估计与推断的理论分析。
- 阅读边界
- 摘要未说明因子强度条件、样本维度关系或实证数值，不能将资产选择改善因子强度的结论扩展到任意资产集合。
原文摘要
ABSTRACT We show that two important issues in empirical asset pricing—the presence of weak factors and the selection of test assets—are deeply connected. Since weak factors are those to which test assets have limited exposure, an appropriate selection of test assets can improve the strength of factors. Building on this insight, we introduce supervised principal component analysis (SPCA), a methodology that iterates supervised selection, principal‐component estimation, and factor projection. It enables risk premia estimation and factor model diagnosis even when weak factors are present and not all factors are observed. We establish SPCA's asymptotic properties and showcase its empirical applications.