Structural breaks, model uncertainty and factor selection
结构突变、模型不确定性与因子选择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：摘要明确结合资产定价因子选择、模型不确定性与多重结构断点检测。
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
结构突变、模型不确定性与因子选择
- 研究问题
- 当各阶段的数据生成模型均不确定时，如何联合确定多个结构断点，并研究资产定价因子选择随阶段的变化？
- 方法与思路
- 作者对阶段内部候选模型及跨阶段模型配对进行积分，得到断点的边际似然，再以其最大化确定最优断点。
- 材料陈述的贡献
- 摘要称六个 Fama–French 因子的月度应用识别出三个断点，后期选择更简约，并改变最大夏普比率因子组合权重。
- 阅读关注点
- 应核对候选模型空间、先验和跨阶段积分方式，以及断点不确定性、遗漏因子被张成的检验与组合权重稳定性。
- 阅读边界
- 所给出版社摘要的断点及简约化发现限于该样本和模型设定；摘要未说明先验敏感性，不能推断其他样本或版本结论。
原文摘要
This paper addresses the non-standard problem of detecting multiple structural breaks when the data-generating model in each regime is uncertain, with an application to factor selection in empirical asset pricing. Detection is based on the marginal likelihood of break points, obtained by a novel integration over all possible pairings of models across regimes, from all possible models within regimes. The optimal break points maximize this marginal likelihood. Applying this method to the six Fama–French factors on monthly data from 1963–2023, the analysis identifies three breaks – 1982, 1998, and 2009 – and a shift toward more parsimonious models after 1998. Before 1998, five or six factors are selected, but two afterward. Thus, with breaks, there is a move to parsimony, which has implications for the factor zoo literature. Moreover, within each regime, all omitted factors are spanned by the ones selected. Incorporating breaks also leads to substantially different weight allocations in the maximum Sharpe ratio risk factor portfolio.