Structural estimation of behavioral heterogeneity
行为异质性的结构估计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：摘要明确建立行为资产定价模型，并通过点识别和结构参数估计刻画交易者异质性，对应结构估计与资产定价。
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
行为异质性的结构估计
- 研究问题
- 当交易者因带噪的基本价值私人信息而形成不同策略评价时，如何识别并估计行为异质性模型，并考察其能否重现实际收益序列的矩特征？
- 方法与思路
- 作者建立含信息摩擦和策略切换的行为资产定价模型，借助薄集（小规模子群）实现点识别，并用扩展矩方法估计结构参数。
- 材料陈述的贡献
- 摘要称估计后的模型可生成与真实数据矩特征相近的收益序列，且结果对不同样本期和估计方法稳健；同时提出非线性模型的点识别思路。
- 阅读关注点
- 核对薄集点识别所需条件、私人信息噪声与策略切换设定、扩展矩方法选取的矩条件，以及跨样本期和估计方法的稳健性比较。
- 阅读边界
- 摘要未说明薄集的构造、识别假设、数据频率及具体拟合误差；矩特征相似和所述稳健性不足以证明模型机制真实或具有样本外预测能力。
原文摘要
Summary We develop a behavioral asset pricing model in which agents trade in a market with information friction. Profit‐maximizing agents switch between trading strategies in response to dynamic market conditions. Owing to noisy private information about the fundamental value, the agents form different evaluations about heterogeneous strategies. We exploit a thin set—a small sub‐population—to point identify this nonlinear model, and estimate the structural parameters using extended method of moments. Based on the estimated parameters, the model produces return time series that emulate the moments of the real data. These results are robust across different sample periods and estimation methods.