Ex-post risk premia estimation and asset pricing tests using large cross sections: The regression-calibration approach
大横截面下事后风险溢价估计与资产定价检验：回归校准法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：摘要直接估计线性资产定价模型的风险溢价，并检验CAPM及Fama–French因子模型。
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
大横截面下事后风险溢价估计与资产定价检验：回归校准法
- 研究问题
- 在资产横截面较大、时间序列较短时，如何修正两步回归中贝塔估计误差，并据此估计事后风险溢价和检验定价模型？
- 方法与思路
- 作者将回归校准用于两步横截面回归的贝塔修正，处理变量测量误差，构造随横截面规模增加而一致的风险溢价估计。
- 材料陈述的贡献
- 摘要称，方法产生新的资产定价检验；其应用拒绝CAPM和所考察的三、五因子模型，同时提供HML定价相关性的新证据。
- 阅读关注点
- 应核对横截面一致性的渐近框架、贝塔误差校准所需条件，以及事后风险溢价、模型拒绝和HML证据各自的统计解释。
- 阅读边界
- 所给出版社摘要未说明横截面依赖条件、数据范围和检验数值；模型拒绝及HML相关性结论仅能归属于所报告的应用。
原文摘要
We propose a modification of the two-pass cross-sectional regression approach for estimating ex-post risk premia in linear asset pricing models, suitable for the case of large cross sections and short time series. Employing the regression-calibration method, we provide a beta correction method, which deals with the error-in-variables problem, based on which we construct an N-consistent estimator of ex-post risk premia and develop associated novel asset pricing tests. Empirically, we reject the implications of the CAPM and the Fama–French three-factor and five-factor models but also offer new evidence on the relevance of the HML factor for pricing large cross sections of individual stocks.