Specification LASSO and a Flexible Characteristics-Based Asset Pricing Model
设定 LASSO 与灵活的特征型资产定价模型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：摘要明确将方法用于特征型资产定价，研究资产特征对横截面收益的线性、非线性及交互作用。
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…
关注这篇论文的作者
设定 LASSO 与灵活的特征型资产定价模型
- 研究问题
- 在允许变量交互的高维部分线性半参数加性模型中，如何同时选择变量和模型形式，并用于分析资产特征与横截面收益？
- 方法与思路
- 作者提出两步 S-LASSO，结合 LASSO 与自适应组 LASSO 进行变量选择和模型设定，并用于刻画资产特征及其与企业规模的交互。
- 材料陈述的贡献
- 摘要称 S-LASSO 具有选择一致性和渐近正态性的预言性质，模拟中表现优于所比较方法，并展示特征型资产定价应用。
- 阅读关注点
- 应核对线性与非线性成分如何区分、交互项表示及惩罚选择、预言性质所需条件，以及资产定价应用中的比较设定。
- 阅读边界
- 所给 OpenAlex 摘要未说明稀疏性、信号强度和样本设计；模拟优势不能直接推广至所有高维模型，也不推断刊本变化。
原文摘要
This paper studies a partially linear semiparametric additive model that allows for interactions among variables in high-dimensional settings. We propose the Specification LASSO (S-LASSO), a two-step method that integrates LASSO and Adaptive Group LASSO to simultaneously perform variable selection and model specification. Theoretically, we establish that S-LASSO possesses oracle properties in terms of selection consistency and asymptotic normality. Monte Carlo simulations confirm that S-LASSO outperforms existing alternatives across a variety of scenarios. Empirically, we apply S-LASSO to a characteristics-based asset pricing model, exploring the linear and nonlinear effects of asset-specific characteristics on cross-sectional returns, as well as their interactions with firm size.