Stochastic Discount Factors with Cross-Asset Spillovers
具有跨资产溢出的随机贴现因子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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以随机贴现因子为核心，并研究企业信号对横截面收益的预测和样本外表现，直接对应资产定价与收益预测。
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
具有跨资产溢出的随机贴现因子
- 研究问题
- 如何把企业层面的预测信号与跨资产预测溢出共同纳入随机贴现因子，并解释特征重要性及资产间信息影响的方向？
- 方法与思路
- 作者通过最大化夏普比率联合估计信号与跨资产溢出，构造可解释的随机贴现因子，并考察样本外表现及推断出的信息网络。
- 材料陈述的贡献
- 摘要称该贴现因子在不同投资范围和市场状态下优于所选基准，并识别出大型、低换手企业作为净信息传递者的网络特征。
- 阅读关注点
- 应核对贴现因子的定价约束、信号与溢出的参数化方式，以及样本外划分、基准公平性和预测影响方向是否具有因果解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未经核实；摘要未给出数据范围、交易成本或优势数值，预测网络不能直接视为因果网络。
原文摘要
This paper develops a unified framework that links firm-level predictive signals, cross-asset spillovers, and the stochastic discount factor (SDF). Signals and spillovers are jointly estimated by maximizing the Sharpe ratio, yielding an interpretable SDF that both ranks characteristic relevance and uncovers the direction of predictive influence across assets. Out-of-sample, the SDF consistently outperforms self-predictive and expected-return benchmarks across investment universes and market states. The inferred information network highlights large, low-turnover firms as net transmitters. The framework offers a clear, economically grounded view of the informational architecture underlying cross-sectional return dynamics.