近日，pc蛋蛋(中国)开奖记录查询站张军博士与合作者以 “Selecting and Testing Asset-Pricing Models: A Stepwise Approach”（“资产定价模型的选择与检验：一种逐步方法”）为题在国际管理学顶刊《Management Science》发表论文，提出一种用于资产定价模型选择与检验的逐步评估方法，用于解决“因子动物园”背景下如何从大量候选因子中构建有效且简洁的因子模型问题，该方法在理论上证明了前向筛选和后向选择的一致性，实证分析也显示其得到的八因子模型具有稳健的样本外投资表现。

        资产定价研究长期关注如何构建能够解释资产横截面收益的因子模型，即希望模型能够使定价误差接近于零。然而，在大量候选因子不断涌现的背景下，传统模型选择方法往往主要关注已入选因子的统计拟合或投资表现，而忽视未入选候选因子本身也可能包含重要定价信息。本文提出一个用于因子模型选择与检验的统一框架：一方面，选择能够张成测试资产与全部候选因子联合有效前沿的最优因子模型；另一方面，同时检验模型对测试资产和未入选候选因子的定价能力。该框架从一个基准模型出发，依据资产定价检验逐步加入或剔除因子，并利用资产定价中的对偶关系，将降低横截面定价误差与提高因子模型的最大平方夏普比率联系起来。实证结果显示，经典资产定价模型在面对完整候选因子集合时普遍难以通过检验，而本文得到的八因子模型不仅未被资产定价检验拒绝，而且具有稳健的样本外投资表现。

        本文为“因子动物园”背景下如何构建有效而简洁的资产定价模型提供了系统解决方案。首先，本文将未入选候选因子纳入模型评价范围，使模型检验不再局限于给定测试资产，而是面向更完整的投资机会集合。其次，论文提出前向逐步评估（FSE）与后向逐步评估（BSE）相结合的模型选择机制：前者用于发现能够显著改善模型定价能力的候选因子，后者用于剔除边际贡献有限的冗余因子，从而在模型有效性与简洁性之间取得平衡。再次，论文建立了相应的理论保证，证明在适当条件下，FSE具有筛选一致性，BSE具有选择一致性。最后，本文将最大平方夏普比率、高维alpha检验与逐步选择过程结合起来，使模型更新同时具有经济含义和统计依据。这一研究从金融学问题出发，借助计量经济学刻画资产定价检验，并利用统计学方法处理高维模型选择与理论保证，体现了统计学、计量经济学与金融实证研究的深度融合。

该论文作者按姓氏字母顺序排列，所有作者贡献相同，张军为通讯作者。

论文链接：

//pubsonline.informs.org/doi/abs/10.1287/mnsc.2024.07804?journalCode=mnsc