Nonparametric assessment of hedge fund performance
对冲基金绩效的非参数评估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：摘要以无套利随机贴现因子评价基金绩效，并明确分析基准因子及其高阶矩暴露，直接对应资产定价和金融因子。
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
对冲基金绩效的非参数评估
- 研究问题
- 纳入无套利约束及基金收益与基准因子的高阶混合矩后，对冲基金绩效、显著性和评价差异会如何改变？
- 方法与思路
- 作者基于一族可由数据识别的随机贴现因子构造绩效指标，建立估计量的渐近理论，并检验基金绩效及各基准因子的相关性。
- 材料陈述的贡献
- 摘要称在 4815 只基金的面板中，新指标下显著正 alpha 的基金更少，评价排序变化较大，且不同指标反映高阶矩暴露的异质性。
- 阅读关注点
- 应核对贴现因子族的识别条件、基准因子选择、高阶矩估计的稳定性，以及绩效显著性检验和基金样本筛选方式。
- 阅读边界
- 仅据所给出版社摘要，无法判断各绩效指标对投资者偏好的适用性，亦不能由排序差异直接认定某种评价方法普遍更优。
原文摘要
We propose a new class of performance measures for Hedge Fund (HF) returns based on a family of empirically identifiable stochastic discount factors (SDFs). The SDF-based measures incorporate no-arbitrage pricing restrictions and naturally embed information about higher-order mixed moments between HF and benchmark factors returns. We provide a full asymptotic theory for our SDF estimators to test for the statistical significance of each fund’s performance and for the relevance of individual benchmark factors within each proposed measure. We apply our methodology to a panel of 4815 individual hedge funds. Our empirical analysis reveals that fewer funds have a statistically significant positive alpha compared to the Jensen’s alpha obtained by the traditional linear regression approach. Moreover, the funds’ rankings vary considerably between the two approaches. Performance also varies between the members of our family because of a different fund exposure to higher-order moments of the benchmark factors, highlighting the potential heterogeneity across investors in evaluating performance.