Identification-robust and simultaneous inference in multifactor asset pricing models
多因子资产定价模型中识别稳健的同时推断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。
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：摘要直接讨论多因子资产定价、零贝塔利率和因子价格，并区分交易因子、非交易因子及遗漏因子。
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…
多因子资产定价模型中识别稳健的同时推断
- 研究问题
- 如何在多因子资产定价模型中，为零贝塔利率和事后因子价格构造识别稳健的置信集，并处理模型限制及遗漏因子？
- 方法与思路
- 作者利用横截面截距信息施加或检验模型一致性限制，推导基于投影的置信集解析解，并将程序扩展到遗漏因子情形。
- 材料陈述的贡献
- 摘要称提出精确且识别稳健的置信集；模拟与实证显示模型限制和遗漏因子会影响拟合、识别、推断及定价影响的时间稳定性。
- 阅读关注点
- 应核对精确推断依赖的分布条件、同时覆盖的参数集合，以及交易因子限制、投影步骤和遗漏因子处理如何改变置信集。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；精确性的具体条件、置信集形状及实证数值未说明，不能认定方法在任意弱识别模型中有效。
原文摘要
This paper proposes exact identification-robust confidence sets for the zero-beta rate and ex-post factor prices in asset pricing models. Exploiting the information from the cross-sectional intercept allows us to impose or formally test model-consistent restrictions, including those resulting from traded factors in excess of the zero beta-rate or from return spreads. Analytical projection-based solutions for confidence set outcomes are developed. The proposed procedures are extended to the case of missing factors. Empirical and simulation results with traded and non-traded factors show that model-consistent restrictions and elusive factors can materially affect model fit, identification, inference and temporal constancy of pricing influence.