Macro‐Finance Decoupling: Robust Evaluations of Macro Asset Pricing Models
宏观—金融解耦：宏观资产定价模型的稳健评估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：摘要明确围绕罕见灾难风险、长期风险等宏观资产定价模型的设定检验展开，最直接对应资产定价方向。
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…
关注这篇论文的作者
宏观—金融解耦：宏观资产定价模型的稳健评估
- 研究问题
- 宏观矩约束与资产定价跨方程约束对关键参数的信息严重失衡时，如何在弱识别下有效检验宏观资产定价模型的设定？
- 方法与思路
- 作者提出条件设定检验，通过给定充分统计量模拟临界值；该统计量被解释为捕捉与资产定价理论内容解耦的宏观信息。
- 材料陈述的贡献
- 摘要称，宏观—金融解耦可在上述信息失衡情形提高设定检验功效，并用于时变罕见灾难风险模型评估及稳健模型不确定性集合构建。
- 阅读关注点
- 应核对充分统计量的构造、条件临界值的有效性，以及功效改善对应的信息失衡情形和模型不确定性集合的统计含义。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未给出检验条件、应用结果或集合内容，不能判断具体定价模型是否被拒绝或推断刊本变化。
原文摘要
This paper shows that robust inference under weak identification is important to the evaluation of many influential macro asset pricing models, including (time‐varying) rare‐disaster risk models and long‐run risk models. Building on recent developments in the conditional inference literature, we provide a novel conditional specification test by simulating the critical value conditional on a sufficient statistic. This sufficient statistic can be intuitively interpreted as a measure capturing the macroeconomic information decoupled from the underlying content of asset pricing theories. Macro‐finance decoupling is an effective way to improve the power of the specification test when asset pricing theories are difficult to refute because of a severe imbalance in the information content about the key model parameters between macroeconomic moment restrictions and asset pricing cross‐equation restrictions. We apply the proposed conditional specification test to the evaluation of a time‐varying rare‐disaster risk model and the construction of robust model uncertainty sets.