Macroeconomic Factors Strike Back: A Bayesian Change-Point Model of Time-Varying Risk Exposures and Premia in the U.S. Cross-Section
宏观因子再显作用：美国资产横截面时变风险暴露与溢价的贝叶斯变点模型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：摘要研究宏观风险因子及其溢价如何解释美国资产横截面定价，直接对应资产定价与金融因子。
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…
宏观因子再显作用：美国资产横截面时变风险暴露与溢价的贝叶斯变点模型
- 研究问题
- 如何在美国资产横截面定价中，同时估计随时间变化的宏观风险暴露与风险溢价，并允许变化只在部分时点发生？
- 方法与思路
- 作者构建贝叶斯多因子估计框架，以潜在断点过程描述风险暴露和特质波动率的变化，并通过方差分解与贝叶斯因子评价模型。
- 材料陈述的贡献
- 摘要称市场风险溢价解释多数可预测变动，产出与通胀冲击等也在横截面被显著定价，且贝叶斯因子强烈支持所提模型。
- 阅读关注点
- 核对断点过程与先验设定、风险暴露和溢价的识别，以及 40 年数据、23 个组合下的方差分解和替代模型比较。
- 阅读边界
- 摘要未说明样本起止日期、具体因子构造和先验敏感性；显著定价及贝叶斯因子优势是作者在所述应用中的报告。
原文摘要
This article proposes a Bayesian estimation framework for a typical multi-factor model with time-varying risk exposures to macroeconomic risk factors and corresponding premia to price U.S. publicly traded assets. The model assumes that risk exposures and idiosyncratic volatility follow a break-point latent process, allowing for changes at any point on time but not restricting them to change at all points. The empirical application to 40 years of U.S. data and 23 portfolios shows that the approach yields sensible results compared to previous two-step methods based on naive recursive estimation schemes, as well as a set of alternative model restrictions. A variance decomposition test shows that although most of the predictable variation comes from the market risk premium, a number of additional macroeconomic risks, including real output and inflation shocks, are significantly priced in the cross-section. A Bayes factor analysis massively favors the proposed change-point model. Supplementary materials for this article are available online.