Factor models with many assets: Strong factors, weak factors, and the two-pass procedure
多资产因子模型：强因子、弱因子与两步估计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：摘要直接研究无条件线性因子定价模型中的风险溢价，重点是强弱定价因子与两步估计。
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
多资产因子模型：强因子、弱因子与两步估计
- 研究问题
- 当资产数量随时间样本增长、部分定价因子较弱且误差存在强横截面相关时，两步风险溢价估计是否可靠？
- 方法与思路
- 作者在弱因子暴露局部趋零的渐近框架下分析两步法，并提出基于样本分割的工具变量风险溢价估计。
- 材料陈述的贡献
- 摘要称常规两步法在该框架下不一致，新方法对弱因子及遗漏的强误差相关具有稳健性，并支持 Wald 推断。
- 阅读关注点
- 应核对资产数与时间长度的增长关系、弱因子定义、样本分割工具的构造，以及有效推断所需的条件。
- 阅读边界
- 仅依据所给出版社摘要；稳健性的具体范围和模拟改进幅度未说明，不能将两步法不一致结论扩展到所有设定。
原文摘要
This paper re-examines the problem of estimating risk premia in unconditional linear factor pricing models. Typically, the data used in the empirical literature are characterized by weakness of some pricing factors, strong cross-sectional dependence in the errors, and (moderately) high cross-sectional dimensionality. Using an asymptotic framework where the number of assets/portfolios grows with the time span of the data while the risk exposures of weak factors are local-to-zero, we show that the conventional two-pass estimation procedure delivers inconsistent estimates of the risk premia. We propose a new estimation procedure based on sample-splitting instrumental variables regression. The proposed estimator of risk premia is robust to weak included factors and to the presence of strong unaccounted cross-sectional error dependence. We prove the consistency of the new estimator, establish asymptotically valid inferences using Wald statistics, verify performance of the new procedure in simulations, and revisit some empirical studies.