近日，由东南大学张军助理研究员、团队蒲丹助理教授和兰伟教授、香港城市大学冯冠豪副教授合作完成的论文“Testing Alphas in Linear Factor Models: A Portfolio Approach”被计量经济学国际顶级学术期刊《Journal of Business & Economic Statistics》正式接收。    

 内容简介            

线性因子模型广泛应用于金融资产定价，通过少数风险因子解释不同资产的收益差异。随着资产规模不断扩大以及各类定价因子持续涌现，如何有效评价因子模型的定价能力，成为金融与计量经济学中的重要研究问题。检验资产定价误差是否同时为零，是评价因子模型的重要途径。然而，在高维情形下，传统检验方法面临协方差矩阵估计与求逆的困难，且在仅有少数资产存在定价偏差时，检验功效可能不足。现有最大值型检验虽然能够有效识别此类偏差，但其统计量由单个资产最显著的定价偏差决定，容易受到个别资产短期异常波动的影响，导致第一类错误膨胀。因此，构建兼具统计可靠性与经济解释的高维检验方法，对于准确评价因子模型、识别模型定价不足具有重要意义。    

针对上述问题，本文提出基于最大随机稀疏投资组合的检验方法（MRSP）。该方法通过重复随机抽取资产构建多个稀疏投资组合，并选取其中定价偏差最显著的组合，检验各项资产的定价误差是否同时为零。通过在投资组合层面整合资产收益信息，所提方法能够减轻个别资产短期异常波动对检验结果的影响，同时保留从投资组合角度评价因子模型定价能力的经济解释。此外，该方法无需对高维协方差矩阵求逆，在相应条件下可适用于资产数量超过时间序列样本量的情形。本文推导了检验统计量的渐近分布，证明了检验的一致性，并在所设定的短期个体冲击下建立了渐近检验水平的有效性。进一步地，为兼顾定价偏差的稀疏与稠密情形，本文将所提方法与求和型检验相结合，构建了Fisher组合检验。    

本文通过蒙特卡洛模拟考察所提方法的有限样本表现，并基于2002年1月至2023年12月美国股票市场285个特征排序投资组合的月度收益数据，对DHS3、Q5、FF6和BS6四类因子模型开展实证分析。结果表明，相较于现有最大值型检验，MRSP检验对个别资产极端表现的敏感性较低。滚动窗口分析进一步显示，因子模型的定价能力具有明显的时变特征，近年来总体有所改善，但具体结果因模型和测试资产而异。其中，Daniel、Hirshleifer和Sun提出的三因子模型（DHS3）在所考察的四类模型中总体表现最佳。上述研究为高维环境下因子模型的检验与比较提供了具有明确经济解释的统计方法。    

    作者简介            

张军，东南大学统计与数据科学学院助理研究员，主要从事统计理论方法及其在金融计量领域的交叉研究。    

蒲丹，西南财经大学数据科学与商业智能联合实验室助理教授，主要从事网络数据分析、空间计量经济学等领域的研究。    

兰伟，西南财经大学统计与数据科学学院教授，主要从事高维数据分析与建模、大型社交网络数据分析、风险管理和投资组合优化、消费金融反欺诈等领域的研究。    

冯冠豪，香港城市大学商学院副教授，主要从事资产定价、金融科技、机器学习、生成式人工智能和金融计量经济学等领域的研究。