Dynamic Peer Groups of Arbitrage Characteristics
套利特征的动态同类群组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：摘要明确构建资产定价因子模型，并研究特征相关的错误定价与因子载荷。
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
套利特征的动态同类群组
- 研究问题
- 资产特征如何同时关联错误定价与因子载荷，能否检验错误定价函数的存在，并识别具有相似套利收益的特征群组？
- 方法与思路
- 作者构建半参数特征因子模型，以维度增长的 B 样条筛逼近未知函数，结合功效增强检验和层次 K 均值聚类分析错误定价。
- 材料陈述的贡献
- 摘要称，增强检验缓解筛系数增多导致的低功效问题；美国股票滚动窗口应用发现部分时段存在错误定价及相似套利收益群组。
- 阅读关注点
- 应核对错误定价与因子载荷的区分、筛维度增长条件及增强检验的大小控制，并查看滚动窗口和聚类结果如何界定群组。
- 阅读边界
- 仅据 OpenAlex 所载摘要，无法判断功效趋于一对应的备择条件，也未说明收益构造和交易成本；实证发现不能直接推出可交易获利。
原文摘要
We propose an asset pricing factor model constructed with semiparametric characteristics-based mispricing and factor loading functions. We approximate the unknown functions by B-splines sieve where the number of B-splines coefficients is diverging. We estimate this model and test the existence of the mispricing function by a power enhanced hypothesis test. The enhanced test solves the low power problem caused by diverging B-splines coefficients, with the strengthened power approaching one asymptotically. We also investigate the structure of mispricing components through Hierarchical K-means Clusterings. We apply our methodology to CRSP (Center for Research in Security Prices) and Compustat data for the U.S. stock market with one-year rolling windows during 1967–2017. This empirical study shows the presence of mispricing functions in certain time blocks. We also find that distinct clusters of the same characteristics lead to similar arbitrage returns, forming a “peer group” of arbitrage characteristics.