Controlling False Discovery Rates under Cross-Sectional Correlations
横截面相关下的错误发现率控制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：摘要明确以金融资产定价中的大量候选因子筛选及超额收益解释为重点应用。
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…
横截面相关下的错误发现率控制
- 研究问题
- 当同时检验大量时间序列且横截面相关结构未知时，如何控制错误发现率并保持检验力，尤其用于筛选解释超额收益的候选因子？
- 方法与思路
- 作者分析一种法玛与弗伦奇方法在多重检验下的一致性，并提出基于双重自助法的错误发现控制程序，以模拟和真实数据评估。
- 材料陈述的贡献
- 摘要称，证明了所提程序的错误发现率控制，并报告相较既有方法更高的检验力，同时给出既有方法在多重检验下的一致性结果。
- 阅读关注点
- 应核对横截面及时间依赖条件、双重自助法的构造、错误发现率控制的适用范围，以及因子筛选比较中的检验力与误报结果。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实。摘要未列出控制成立的条件、比较方法及数值，不能据此确认任意相关结构下均有优势。
原文摘要
We consider controlling the false discovery rate for testing many time series with an unknown cross-sectional correlation structure. Given a large number of hypotheses, false and missing discoveries can plague an analysis. While many procedures have been proposed to control false discovery, most of them either assume independent hypotheses or lack statistical power. A problem of particular interest is in financial asset pricing, where the goal is to determine which ``factors" lead to excess returns out of a large number of potential factors. Our contribution is two-fold. First, we show the consistency of Fama and French's prominent method under multiple testing. Second, we propose a novel method for false discovery control using double bootstrapping. We achieve superior statistical power to existing methods and prove that the false discovery rate is controlled. Simulations and a real data application illustrate the efficacy of our method over existing methods.