Regression-based estimation of dynamic asset pricing models
动态资产定价模型的回归估计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：摘要直接研究动态资产定价、因子贝塔表示以及风险价格的估计和检验。
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…
动态资产定价模型的回归估计
- 研究问题
- 如何估计仿射定价核下的动态资产定价模型，同时容纳时变风险价格、时变贝塔及具有序列相关的定价因子？
- 方法与思路
- 作者对动态模型的贝塔表示构造回归估计量，允许状态变量承担定价与预测作用，并提供多阶段渐近标准误。
- 材料陈述的贡献
- 摘要称，该方法包含Fama–MacBeth两步法；股票债券联合定价应用中，时变风险价格对降低定价误差更为重要。
- 阅读关注点
- 应核对状态变量与定价因子的角色划分、时变参数的设定、多阶段误差传递，以及联合定价应用的比较基准。
- 阅读边界
- 摘要未给出识别与渐近条件，也未提供定价误差数值；风险价格相对重要性的结论仅对应所述应用。
原文摘要
We propose regression-based estimators for beta representations of dynamic asset pricing models with an affine pricing kernel specification. We allow for state variables that are cross-sectional pricing factors, forecasting variables for the price of risk, and factors that are both. The estimators explicitly allow for time-varying prices of risk, time-varying betas, and serially dependent pricing factors. Our approach nests the Fama-MacBeth two-pass estimator as a special case. We provide asymptotic multistage standard errors necessary to conduct inference for asset pricing tests. We illustrate our new estimators in an application to the joint pricing of stocks and bonds. The application features strongly time-varying, highly significant prices of risk that are found to be quantitatively more important than time-varying betas in reducing pricing errors.