Asymptotic Inference for Performance Fees and the Predictability of Asset Returns
业绩费与资产收益可预测性的渐近推断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：摘要明确比较资产收益预测模型的经济价值，并应用于美国股票溢价预测，直接对应金融收益预测方向。
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
业绩费与资产收益可预测性的渐近推断
- 研究问题
- 如何检验不同资产收益预测模型是否具有相同经济价值，并以投资者愿为替代模型支付的业绩费来衡量这种价值？
- 方法与思路
- 作者用业绩费定义预测模型的经济价值，论证其在一定条件下的渐近正态性，并以模拟和美国股票溢价预测展示检验。
- 材料陈述的贡献
- 摘要称，业绩费在较温和假设下可渐近正态；较大样本模拟显示，等经济价值检验在零假设下的拒绝率较接近名义水平。
- 阅读关注点
- 应核对业绩费所依赖的投资决策与偏好、渐近正态所需条件，以及预测模型估计误差的处理和模拟检验尺寸的设计。
- 阅读边界
- 摘要未列出所谓较温和假设、业绩费的完整定义及样本规模，也未说明美国股票溢价应用中各模型的检验结果。
原文摘要
In this article, we provide analytical, simulation, and empirical evidence on a test of equal economic value from competing predictive models of asset returns. We define economic value using the concept of a performance fee—the amount an investor would be willing to pay to have access to an alternative predictive model used to make investment decisions. We establish that this fee can be asymptotically normal under modest assumptions. Monte Carlo evidence shows that our test can be accurately sized in reasonably large samples. We apply the proposed test to predictions of the U.S. equity premium.