A general randomized test for Alpha
资产定价模型中 Alpha 的一般随机化检验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：摘要明确检验具有可观测、可交易因子的线性资产定价模型，并以联合零 Alpha 为原假设。
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…
资产定价模型中 Alpha 的一般随机化检验
- 研究问题
- 在资产数量和时间长度同时增长、误差具有异方差与强截面依赖时，如何检验线性因子定价模型的 Alpha 是否联合为零？
- 方法与思路
- 作者逐方程估计 Alpha，再将估计值随机化构造检验，仅依赖收敛速度而无需估计协方差矩阵，并提出去随机化决策规则。
- 材料陈述的贡献
- 摘要称，检验允许资产数量比时间长度增长更快，并容纳条件异方差、非高斯误差及强截面依赖；模拟和标普成分股应用展示效用。
- 阅读关注点
- 应核对随机化机制、估计量收敛速度要求、资产与时间维度的增长限制，以及去随机化规则如何控制错误决策概率。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体依赖条件、临界值构造及有限样本结果未提供，不能推断任意误差结构下均有效。
原文摘要
We propose a methodology to test for the null hypothesis that the alphas of a panel of asset returns are jointly equal to zero in a linear factor pricing model with observable and tradable factors — that is, the null of “zero alpha”. The test is based on equation-by-equation estimation, using a randomized version of the estimated alphas, which only requires rates of convergence. The distinct features of the proposed methodology are that it does not require the estimation of any covariance matrix, and that it allows for both N and T to pass to infinity, with the former possibly faster than the latter. Further, unlike extant approaches, the procedure can accommodate conditional heteroskedasticity, non-Gaussianity, and strong cross-sectional dependence in the error terms. We also propose a derandomized decision rule to choose in favor or against the correct specification of a linear factor pricing model. Monte Carlo simulations show that the test has satisfactory properties and it compares favorably to several existing tests. The usefulness of the testing procedure is illustrated through an application of linear factor pricing models to the constituents of the S&P 500.