The APT Model as Reduced-Rank Regression
作为降秩回归的套利定价理论模型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：题名与摘要明确以套利定价理论模型为对象，并围绕该资产定价模型的估计展开，因而直接归入资产定价领域。
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…
作为降秩回归的套利定价理论模型
- 研究问题
- 套利定价理论模型的两个步骤能否合并为降秩回归，从而简化估计，并处理资产数量超过时间观测数时的估计问题？
- 方法与思路
- 作者把 APT 模型的两个步骤整合为降秩回归，利用相关回归结果开展估计，给出估计推导并推导一般情形下的渐近方差。
- 材料陈述的贡献
- 摘要称这种表示使 APT 估计更为简便，并提供降秩回归估计的简要推导与渐近方差分析，同时讨论资产数多于时期数的情况。
- 阅读关注点
- 核对 APT 两个步骤与降秩回归的对应关系、模型的秩限制及渐近方差条件，并确认资产数超过时期数时采用的处理办法。
- 阅读边界
- 摘要未说明误差结构、具体秩选择规则或短样本处理细节；估计更简便不等于效率更高，也不能据此声称高维情形均可稳定估计。
原文摘要
Integrating the two steps of an arbitrage pricing theory (APT) model leads to a reduced rank regression (RRR) model. So the results on RRR can be used to estimate APT models, making estimation very simple. The authors give a succinct derivation of estimation of RRR, derive the asymptotic variance of RRR estimators for a general cause, and discuss how undersized samples (more assets than time periods) can be dealt with.