A Factor-Adjusted Multiple Testing Procedure With Application to Mutual Fund Selection
因子调整的多重检验程序及其共同基金筛选应用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：摘要明确在含可观测与不可观测因子的金融模型中调整多重检验，并应用于基金筛选，因此归入金融因子方向。
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…
因子调整的多重检验程序及其共同基金筛选应用
- 研究问题
- 在同时包含可观测与潜在共同因子的基金收益模型中，如何进行基金技能的多重检验，并处理共同依赖与个体误差的弱相关？
- 方法与思路
- 作者以主成分方法提取潜在共同因子，构造因子调整后的 p 值，再通过多重检验筛选基金，并研究趋零阈值序列的性质。
- 材料陈述的贡献
- 摘要称，在所述条件下可一致估计错误发现比例，并通过适当趋零阈值获得模型选择一致性；模拟与美国基金数据展示其应用。
- 阅读关注点
- 核对基金技能的检验定义、潜在因子数量的确定、弱相关条件，以及错误发现比例估计和趋零阈值在实际样本中的实现。
- 阅读边界
- 摘要未给出完整正则条件、技能检验定义或阈值选择细节；错误发现比例的一致估计不能据此解读为有限样本错误发现率控制。
原文摘要
In this article, we propose a factor-adjusted multiple testing (FAT) procedure based on factor-adjusted p-values in a linear factor model involving some observable and unobservable factors, for the purpose of selecting skilled funds in empirical finance. The factor-adjusted p-values were obtained after extracting the latent common factors by the principal component method. Under some mild conditions, the false discovery proportion can be consistently estimated even if the idiosyncratic errors are allowed to be weakly correlated across units. Furthermore, by appropriately setting a sequence of threshold values approaching zero, the proposed FAT procedure enjoys model selection consistency. Extensive simulation studies and a real data analysis for selecting skilled funds in the U.S. financial market are presented to illustrate the practical utility of the proposed method. Supplementary materials for this article are available online.