Semiparametric estimation of latent variable asset pricing models
潜变量资产定价模型的半参数估计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：摘要直接研究消费型资产定价模型、欧拉方程与随机贴现因子的识别和估计。
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
潜变量资产定价模型的半参数估计
- 研究问题
- 在含潜在状态变量的消费型资产定价模型中，如何识别消费、股息和价格的状态依赖关系，并恢复随机贴现因子的状态依赖成分？
- 方法与思路
- 作者先刻画变量对描述总产出增长的马尔可夫状态的依赖，再利用欧拉方程识别贴现因子，并开发滤波、平滑和筛最大似然算法。
- 材料陈述的贡献
- 摘要称建立了估计的一致性，并在实证中发现预期增长和波动率对价格股息比及贴现因子的影响具有较大的非线性。
- 阅读关注点
- 应核对潜在状态的识别与规范化、欧拉方程提供的信息、筛空间与近似误差处理，以及非线性实证结论的稳健性。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，数据、状态维数、识别条件及非线性大小未说明，不能判断定价表现或推断后续版本变化。
原文摘要
This paper studies semiparametric identification and estimation of consumption-based asset pricing models with latent state variables. First, we measure how consumption, dividends, and prices depend on Markovian state variables describing aggregate output growth. Subsequently, we identify state-dependent components in the stochastic discount factor using the Euler equation. We develop tractable algorithms for filtering, smoothing, and sieve maximum likelihood estimation, and establish its consistency. Empirically, we find sizable nonlinearities in the impact of expected growth and volatility on the price–dividend ratio and discount factor.