Characteristic-Sorted Portfolios: Estimation and Inference
按特征排序的投资组合：估计与推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确将特征排序组合用于识别定价异象，并研究规模与动量异象，因此直接归入资产定价方向。
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…
按特征排序的投资组合：估计与推断
- 研究问题
- 经验资产定价中常用的特征排序组合具有怎样的统计性质，如何开展有效推断并选择用于分组的组合数量？
- 方法与思路
- 作者将投资组合排序表述为非参数估计，推导渐近推断方法与均方误差展开，据此确定最优组合数量。
- 材料陈述的贡献
- 摘要称建立排序组合的统计框架与有效推断，指出实际最优分组数可能远超五组或十组，并重新考察规模和动量异象。
- 阅读关注点
- 应核对排序估计的目标、渐近设定、均方误差各项与分组数规则，以及规模和动量应用中结论对分组选择的敏感性。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未提供最优组数的具体条件或数值，不能据此形成投资判断。
原文摘要
Portfolio sorting is ubiquitous in the empirical finance literature, where it has been widely used to identify pricing anomalies. Despite its popularity, little attention has been paid to the statistical properties of the procedure. We develop a general framework for portfolio sorting by casting it as a nonparametric estimator. We present valid asymptotic inference methods and a valid mean square error expansion of the estimator leading to an optimal choice for the number of portfolios. In practical settings, the optimal choice may be much larger than the standard choices of 5 or 10. To illustrate the relevance of our results, we revisit the size and momentum anomalies.