Evaluating factor pricing models using high-frequency panels
利用高频面板评估因子定价模型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：摘要明确使用高频股票数据、连续时间多因子模型及收益横截面定价检验。
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…
利用高频面板评估因子定价模型
- 研究问题
- 论文研究如何利用高频股票收益检验连续时间因子定价模型，并处理随机波动及杠杆效应对传统回归检验有效性的影响。
- 方法与思路
- 作者构建连续时间多因子回归框架，并通过由与市场波动率成反比的时钟确定随机采样间隔，调整高频数据的分析方式。
- 材料陈述的贡献
- 摘要称常规高频回归可能产生不一致检验，并提出替代采样方法；应用结果提示传统因子对股票收益横截面的解释存在局限。
- 阅读关注点
- 应核对随机时钟和采样间隔的定义、波动率的实际估计方式，以及因子检验条件与投资组合应用对采样选择的敏感性。
- 阅读边界
- 仅据所给 OpenAlex 摘要，不能判断一致性成立的具体条件或实证稳健性；所述因子表现只对应文中应用，不能推广为普遍结论。
原文摘要
This paper develops a new framework and statistical tools to analyze stock returns using high-frequency data. We consider a continuous-time multifactor model via a continuous-time multivariate regression model incorporating realistic empirical features, such as persistent stochastic volatilities with leverage effects. We find that the conventional regression approach often leads to misleading and inconsistent test results when applied to high-frequency data. We overcome this by using samples collected at random intervals, which are set by the clock running inversely proportional to the market volatility. Our results show that the conventional pricing factors have difficulty in explaining the cross section of stock returns. In particular, we find that the size factor performs poorly in fitting the size-based portfolios, and the returns on the consumer industry have some explanatory power on the small growth stocks.