Heterogeneous predictability on mutual fund alphas: A sparse clustering GMM approach
共同基金 alpha 的异质可预测性：稀疏聚类 GMM 方法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：摘要以基金风险调整后 alpha 的异质可预测性为核心，并利用市场预测变量解释群组差异，直接涉及收益预测与资产定价。
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
共同基金 alpha 的异质可预测性：稀疏聚类 GMM 方法
- 研究问题
- 研究共同基金风险调整后 alpha 的可预测性为何跨基金和时期不同，以及如何识别潜在基金群组及其随时间变化的预测关系。
- 方法与思路
- 作者提出稀疏聚类 GMM，利用估计的 alpha 聚类并识别群组特定的预测参数，同时处理横截面分组与随时间变化的预测机制。
- 材料陈述的贡献
- 摘要称，群组恢复和时变参数估计具有一致性；美国月度基金应用中，可预测 alpha 集中于少数基金，多数基金接近零且预测性弱。
- 阅读关注点
- 应核对估计 alpha 的误差如何进入聚类、群组与时变参数的识别条件，以及预测关系的验证方式和所述基金特征的解释边界。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断群组稳定性、完整一致性条件或样本外预测增益；基金特征关联不能据此认定为技能的因果来源。
原文摘要
Mutual fund managers' skills, measured by risk-adjusted alphas, are predictable using fund characteristics identified by machine learning (e.g., Kaniel et al., 2023, JFE; DeMiguel et al., 2023, JFE). However, alpha's predictive power varies across funds and periods, with most funds exhibiting negligible alphas. To model this heterogeneous predictability, this paper introduces Sparse Clustering GMM, a nonparametric approach for uncovering latent fund groups. SCGMM clusters funds using estimated alphas and identifies group-specific parameters tied to market predictors. The method accounts for heterogeneity in cross-sectional grouping and time-varying mechanisms across predictors, without requiring prior cluster information or time-varying specifications. We establish consistency for group recovery and time-varying parameter estimation. Empirically, using monthly U.S. mutual fund data, we find that predictable alpha is concentrated in a small subset of funds, with the majority of funds exhibiting near-zero, weakly predictable alphas. The skilled clusters also exhibit lower benchmark R^2, moderate expense ratios, and longer manager tenure.