… и кросс-секция ожидаемых доходностей

… and the Cross-Section of Expected Returns
Campbell R. Harvey, Yan Liu, Caroline Zhu
2015-10-09

перекрестное сечение ожидаемых доходностейdata miningисторические пороги (1967–настоящее время)фреймворк множественной проверки гипотезt-статистика > 3.0
Сотни статей и факторов пытаются объяснить кросс-секцию ожидаемых доходностей. Учитывая такое обширное data mining, использование обычных критериев для установления значимости не имеет смысла. Какой порог следует применять в современных исследованиях? В нашей работе вводится новая схема множественного тестирования и приводятся исторические пороговые значения с первых эмпирических тестов 1967 года по настоящее время. Новому фактору необходимо преодолеть значительно более высокий порог с t-статистикой более 3.0. Мы утверждаем, что большинство заявленных результатов исследований в финансовой экономике, вероятно, ложны. (JEL C12, C52, G12)
1
Новый фактор должен иметь t-статистику больше 3,0, чтобы преодолеть предложенный более высокий порог значимости.
2
Представлена новая структура множественного тестирования для оценки факторов ценообразования активов с целью установления подходящих порогов значимости.
3
Учитывая массовый data mining сотен статей и факторов, привычные критерии значимости не подходят.
4
Приведены исторические пороги значимости факторов, охватывающие эмпирические тесты с 1967 года до настоящего времени.
5
Авторы утверждают, что большинство заявленных результатов исследований в финансовой экономике, вероятно, ложны по новой методологии.

Предлагаемые факторы оценки активов (кандидатные факторы, объясняющие сечение ожидаемых доходностей)

Пороги статистической значимости и рамки множественного тестирования (исторические пороги и требуемый порог t-статистики) для валидации новых факторов, объясняющих сечение ожидаемых доходностей

Publication Details
Publication Date
2015-10-09
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Campbell R. Harvey
Yan Liu
Caroline Zhu
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%