Factor models for asset returns based on transformed factors
基于变换因子的资产收益因子模型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：摘要以Fama–French三因子解释资产收益为研究对象，直接讨论金融因子变换及资产收益模型，因此对应金融因子和资产定价。
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
基于变换因子的资产收益因子模型
- 研究问题
- Fama–French市场、规模和价值因子经过怎样的数据驱动变换，才能更好描述资产收益，且如何检验是否需要这些变换？
- 方法与思路
- 作者通过非参数建模估计各因子的变换，并提出基于广义最大似然比的检验，配合渐近分析、模拟和实际数据应用。
- 材料陈述的贡献
- 摘要明确提出因子变换的构造方法及其必要性检验，并称建立了渐近性质；实际数据的具体发现未在摘要中说明。
- 阅读关注点
- 应核对变换函数的识别与规范化、非参数估计及调参方法、检验的原假设和极限分布，并查看收益解释能力的评价标准。
- 阅读边界
- 仅据所给出版社摘要，不能断言变换因子普遍优于线性三因子模型，也无法判断样本外表现、经济解释或具体实证结论。
原文摘要
The Fama–French three factor models are commonly used in the description of asset returns in finance. Statistically speaking, the Fama–French three factor models imply that the return of an asset can be accounted for directly by the Fama–French three factors, i.e. market, size and value factor, through a linear function. A natural question is: would some kind of transformed Fama–French three factors work better? If so, what kind of transformation should be imposed on each factor in order to make the transformed three factors better account for asset returns? In this paper, we are going to address these questions through nonparametric modelling. We propose a data driven approach to construct the transformation for each factor concerned. A generalised maximum likelihood ratio based hypothesis test is also proposed to test whether transformations on the Fama–French three factors are needed for a given data set. Asymptotic properties are established to justify the proposed methods. Extensive simulation studies are conducted to show how the proposed methods perform with finite sample size. Finally, we apply the proposed methods to a real data set, which leads to some interesting findings.