Empirical asset pricing literature

Empirical asset pricing literature has documented many examples of firm characteristics
being able to predict future stock returns. When not accounted for by standard asset pricing
models, such patterns are often interpreted as anomalous. It is challenging to develop
meaningful theoretical explanations of the observed patterns in returns.1
In contrast, the
long-short portfolios constructed by sorting firms on various characteristics – the “c-factors”,
often named after the sorting variable – provide readily available inputs into empirical factor
models. By searching through the firm characteristics known to be associated with large
spreads is stock returns, it is relatively easy to construct seemingly successful empirical factor
pricing models.
When we hear of a new c-factor model with N factors that “explains” M of the wellknown
anomalies, how should we evaluate such a result? Is there a quantitative threshold
for the M-to-N ratio above which such a result strongly points to an economically important
source of systematic risk, even without a solid theoretical foundation? The ease of construction
of c-factor models and virtually unlimited freedom in selecting test assets provide fertile
ground for data mining.2
In this paper we quantify just how easy it is to generate seemingly
successful empirical c-factor models. Our findings imply that it is extremely difficult
to evaluate factor pricing model based solely on their pricing performance, and one must
emphasize the theoretical and empirical foundation for their economic mechanism.
We systematically mine the 1971-2011 historical sample under a specific set of rules
designed to be representative of the commonly used empirical procedures. We consider 27
firm characteristics proposed in the literature as predictive variables for stock returns (see
section 2 and Appendix A for the list of the characteristics, with references to the relevantliterature). Some of these characteristics have been proposed as candidate empirical proxies
for systematic risk exposures, others as likely proxies for mispricing – we do not discriminate
based on the merits of the original motivation. To qualify as a contender for our data-mining
exercise, a firm characteristic simply needs to be a subject of an academic publication.
We rank firms into ten portfolios based on each of the 27 characteristics and define the
associated return factors as return differences between the tenth and the first decile portfolios.
We then tabulate the pricing performance of all possible three- and four-factor models, each
consisting of the market portfolio and two or three factors respectively, chosen out of the set
of 27. We thus consider a total of 351 alternative three-factor models, and 2,925 four-factor
models.
If a pricing model is not rejected by testing it against a cross-section of portfolios sorted
on a particular firm characteristic, we say that this model matches such a cross-section. We
find that it is relatively easy to construct a three-factor model that match more than half
of the 25 target cross-sections of returns over the full sample (we exclude the cross-sections
used to form the model factors from the set of target cross-sections).
The best-performing model over the entire sample, by the total number of matched crosssections,
includes the factors based on unexpected earnings and the cash flow-to-price ratio.
It matches 15 out of 25 return cross-sections. Each of the top-twenty models reported in
Table 5 matches return cross-sections based on each of 12 or more different characteristics.3
Four-factor models achieve slightly better coverage, with the top model matching 16 out
of 24 cross-sections, and the worst of the top-twenty models matching 14. For comparison,
the CAPM and the Fama and French (1993) three-factor model both match eight out of
27 return cross-sections (we do not exclude any test assets when evaluating these reference
models).
As expected in a data mining exercise, performance of the c-factor models tends to be
fragile. It is highly sensitive to the sample period choice and the details of the factor construction.
In particular, there is virtually no correlation between the relative model performance
in the first and the second halves of the 1971-2011 sample period. Likewise, using a two-way
sort on firm stock market capitalization (size) and characteristics to construct model return
factors, an often used empirical procedure, similarly scrambles the relative model rankings.
Such lack of stability suggests that our data-snooping algorithm tends to pick spurious winners
among the set of all possible models without revealing a robust underlying risk structure
in returns. This does not mean that all of the better-performing models in our analysis are
spurious and theoretically unjustifiable. Some of the many models we enumerate in this
study are likely to capture economically meaningful sources of risk – we just cannot identify
which of them do, based solely on the models’ pricing performance.
This paper is organized as follows. Section 2 describes the data and methodology. Section
3 examines the overall factor structure of characteristic-sorted portfolios and the ability
of c-factor models to capture cross-sectional differences in average returns on various
characteristic-sorted portfolios. Section 4 concludes.

ผลลัพธ์ (ไทย) 1:

สินทรัพย์รวมราคาวรรณคดีมีเอกสารตัวอย่างในลักษณะของบริษัทความสามารถในการทำนายหุ้นคืนในอนาคต เมื่อไม่คิดตามราคาสินทรัพย์มาตรฐานแบบจำลอง รูปแบบดังกล่าวมักจะแปลเป็น anomalous มันเป็นความท้าทายในการพัฒนาคำอธิบายทฤษฎีความหมายของรูปแบบที่พบใน returns.1ในทางตรงกันข้าม การพอร์ตการลงทุนยาวสั้นที่ถูกสร้างขึ้น โดยเรียงลำดับบริษัทต่าง ๆ ลักษณะ – "ซีปัจจัย"มักจะตั้งชื่อตามตัวแปรเรียงลำดับ – ให้อินพุตพร้อมเป็นปัจจัยผลรูปแบบจำลอง โดยค้นหาจากลักษณะของบริษัทที่สัมพันธ์กับขนาดใหญ่ที่รู้จักกันแพร่กระจายส่งคืนหุ้น ค่อนข้างง่ายต่อการสร้างปัจจัยผลดูเหมือนว่าจะประสบความสำเร็จราคารุ่นเมื่อเราได้ยินเสียงของตัว c แบบใหม่กับ N ปัจจัยที่ "อธิบาย" M อุดรธานีความผิด วิธีควรเราประเมินผลดังกล่าวหรือไม่ มีขีดจำกัดปริมาณสำหรับ M N อัตราส่วนข้างต้นซึ่งผลดังกล่าวขอชี้ไปที่ความสำคัญทางเศรษฐกิจแหล่งที่มาของความเสี่ยงระบบ แม้ไม่มีการประสานทฤษฎี ความสะดวกในการก่อสร้างรุ่น c-ปัจจัย และไม่จำกัดเสรีภาพในการเลือกสินทรัพย์ทดสอบให้อุดมสมบูรณ์ดินสำหรับข้อมูล mining.2ในเอกสารนี้ เรากำหนดปริมาณเพียงวิธีที่ง่ายก็คือการสร้างดูเหมือนว่ารูปแบบ c คูณประจักษ์ประสบความสำเร็จ ผลการวิจัยของเราเป็นสิทธิ์แบบว่า มันเป็นเรื่องยากมากประเมินปัจจัยรูปแบบการกำหนดราคาตามประสิทธิภาพของราคา และหนึ่งต้องเน้นรากฐานทฤษฎี และประจักษ์ในกลไกเศรษฐกิจของพวกเขาเราเป็นระบบเหมืองตัวอย่างประวัติศาสตร์ 1971-2011 ภายใต้ชุดเฉพาะของกฎออกแบบมาเพื่อเป็นตัวแทนกระบวนการประจักษ์ที่ใช้กันทั่วไป เราพิจารณา 27ลักษณะของบริษัทเสนอในวรรณคดีเป็นตัวแปรที่คาดการณ์สำหรับสินค้าส่งกลับ (ดูส่วนที่ 2 และภาคผนวก A สำหรับรายชื่อของลักษณะ มีการอ้างอิงไป relevantliterature) บางส่วนของลักษณะเหล่านี้ได้รับการเสนอชื่อเป็นผู้รับมอบฉันทะรวมผู้สมัครสำหรับความเสี่ยงที่ระบบภาพ อื่น ๆ เป็นพร็อกซีโอกาสสำหรับ mispricing – เราไม่ถือเขาถือเราขึ้นอยู่กับบุญของแรงจูงใจเดิม เพื่อเป็นบ้านหลังที่สองสำหรับเราทำเหมืองข้อมูลออกกำลังกาย ลักษณะของบริษัทก็ต้องเป็นเรื่องของการเผยแพร่วิชาการเราจัดอันดับบริษัทเป็นสิบพอร์ตการลงทุนตามแต่ละลักษณะ 27 และกำหนดเชื่อมโยงปัจจัยคืนเป็นคืนความแตกต่างระหว่างสิบและพอร์ตการลงทุน decile แรกเราจากนั้นกดแท็บราคาประสิทธิภาพของทั้งหมดเป็นไปได้สาม - และ 4 ปัจจัย แต่ละรุ่นประกอบด้วยผลงานตลาดและปัจจัยที่สอง หรือสามตามลำดับ เลือกจากชุดของ 27 เราจึงพิจารณารุ่นสามปัจจัยอื่น 351 และ 2,925 รวม 4 ปัจจัยรูปแบบจำลองหากไม่มีปฏิเสธแบบกำหนดราคา โดยทดสอบกับระหว่างส่วนของพอร์ตการลงทุนในการเรียงลำดับในลักษณะของบริษัทเฉพาะ เราบอกว่า รุ่นนี้ตรงกับระหว่างส่วนดังกล่าว เราพบว่า มันค่อนข้างง่ายต่อการสร้างแบบจำลองสามปัจจัยที่มากกว่าครึ่งหนึ่งของ cross-sections เป้าหมาย 25 ของกลับไปอย่างเต็มที่ (เราแยก cross-sectionsใช้เพื่อสร้างตัวแบบจำลองจากชุดของเป้าหมาย cross-sections)รุ่นประสิทธิภาพดีกว่าตัวอย่างทั้งหมด ตามจำนวน crosssections ที่จับคู่มีปัจจัยที่ไม่คาดคิดกำไรและอัตราส่วนกระแสเงินสดให้ราคามันตรงกับ cross-sections คืน 15 จาก 25 แต่ละรุ่นยี่สิบบนรายงานตาราง 5 ตรงตามแต่ละ characteristics.3 แตกต่างกันมาก หรือ 12 cross-sections คืนแบบจำลองปัจจัยสี่ให้ครอบคลุมดีกว่าเล็กน้อย กับรุ่นด้านบนจับคู่ 16 ออก24 cross-sections และร้ายรุ่นยี่สิบบน 14 ที่ตรงกัน สำหรับการเปรียบเทียบCAPM และ Fama และฝรั่งเศส (1993) คูณสามแบบทั้งตรงแปดของ27 กลับ cross-sections (เราไม่แยกสินทรัพย์ใดทดสอบเมื่อประเมินอ้างอิงเหล่านี้รุ่น)ตามที่คาดไว้ในการออกกำลังกายการทำเหมืองข้อมูล ประสิทธิภาพการทำงานของแบบจำลองปัจจัย c มีแนวโน้มที่ จะเปราะบาง ความไวสูงเพื่อเลือกรอบระยะเวลาตัวอย่างและรายละเอียดของการก่อสร้างตัวได้โดยเฉพาะอย่างยิ่ง มีแทบไม่มีความสัมพันธ์ระหว่างประสิทธิภาพการทำงานแบบสัมพัทธ์ในครั้งแรกและซีกที่สองของรอบระยะเวลาตัวอย่าง 1971-2011 ในทำนองเดียวกัน ใช้เป็นแบบสองทิศทางเรียงลำดับมูลค่าตลาดหุ้นของบริษัท (ขนาด) และลักษณะการสร้างแบบจำลองกลับปัจจัย กระบวนการประจักษ์มักใช้ ในทำนองเดียวกัน scrambles จัดอันดับแบบสัมพัทธ์เช่นขาดความมั่นคงแนะนำขั้นตอนวิธีการสอดแนมข้อมูลของเรามีแนวโน้มจะ รับผู้ชนะเก๊ระหว่างชุดของทุกรุ่นได้โดยไม่ต้องเปิดเผยโครงสร้างแข็งแกร่งอยู่ภายใต้ความเสี่ยงในคืนนั้น นี้ไม่ได้หมายความ ว่า ทุกรุ่นได้ดีประสิทธิภาพในการวิเคราะห์ของเราเป็นเก๊ และ unjustifiable ตามหลักวิชา บางส่วนของโมเดลมากมายที่เราระบุในนี้ศึกษาแนวโน้มที่จะจับภาพอย่างมีความหมายแหล่งที่มาของความเสี่ยง-เราเพียงไม่ระบุซึ่งพวกเขาทำ ตามแบบจำลองราคาประสิทธิภาพการเอกสารนี้มีการจัดระเบียบดังนี้ ส่วน 2 อธิบายข้อมูลและวิธีการ ส่วน3 ตรวจสอบโครงสร้างสัดส่วนโดยรวมของพอร์ตการลงทุนที่ลักษณะการเรียงลำดับและความสามารถในรุ่น c-ปัจจัยในการจับความแตกต่างค่าเฉลี่ยของเหลวส่งกลับค่าหลากหลายเรียงลำดับลักษณะพอร์ตการลงทุน 4 ส่วนสรุป

ผลลัพธ์ (ไทย) 2:

วรรณกรรมเชิงประจักษ์การกำหนดราคาสินทรัพย์ที่มีเอกสารจำนวนมากตัวอย่างของลักษณะ บริษัท ที่
ความสามารถในการคาดการณ์ผลตอบแทนหุ้นในอนาคต เมื่อไม่ได้คิดโดยการกำหนดราคาสินทรัพย์มาตรฐาน
รูปแบบรูปแบบดังกล่าวจะถูกตีความมักจะเป็นความผิดปกติ มันเป็นสิ่งที่ท้าทายในการพัฒนา
ทฤษฎีคำอธิบายความหมายของรูปแบบการตั้งข้อสังเกตใน returns.1
ในทางตรงกันข้าม
พอร์ตการลงทุนระยะสั้นที่สร้างขึ้นโดยเรียงลำดับ บริษัท ในลักษณะต่างๆ - "ปัจจัยค"
มักจะตั้งชื่อหลังจากตัวแปรเรียงลำดับ - ปัจจัยการผลิตให้สามารถใช้ได้อย่างง่ายดาย เข้าไปในปัจจัยเชิงประจักษ์
รุ่น โดยการค้นหาผ่านลักษณะ บริษัท ที่รู้จักกันจะมีขนาดใหญ่ที่เกี่ยวข้องกับการ
กระจายผลตอบแทนเป็นหุ้นก็จะค่อนข้างง่ายที่จะสร้างปัจจัยเชิงประจักษ์ที่ประสบความสำเร็จดูเหมือน
รุ่นราคา.
เมื่อเราได้ยินเสียงของรุ่น C-ปัจจัยใหม่ที่มีปัจจัยที่ยังไม่มี "อธิบาย" เอ็มของ รู้จัก
ความผิดปกติวิธีการที่เราควรประเมินผลดังกล่าวได้หรือไม่ มีเกณฑ์เชิงปริมาณ
สำหรับ M-เพื่อ-N ซึ่งอัตราส่วนดังกล่าวข้างต้นดังกล่าวส่งผลให้ขอชี้ไปที่ความสำคัญทางเศรษฐกิจ
แหล่งที่มาของความเสี่ยงที่เป็นระบบแม้จะไม่มีพื้นฐานทางทฤษฎีที่มั่นคง? สะดวกในการก่อสร้าง
ของรุ่นซีแฟคเตอร์และเสรีภาพแทบไม่ จำกัด ในการเลือกสินทรัพย์การทดสอบให้อุดมสมบูรณ์
พื้นดินสำหรับข้อมูล mining.2
ในบทความนี้เราปริมาณเพียงวิธีที่ง่ายก็คือการสร้างที่ดูเหมือนจะ
ประสบความสำเร็จในเชิงประจักษ์รุ่นซีแฟคเตอร์ ผลการวิจัยของเราบ่งบอกว่ามันเป็นเรื่องยากมาก
ในการประเมินรูปแบบการกำหนดปัจจัยที่อิงกับผลการดำเนินงานการกำหนดราคาของพวกเขาและต้อง
เน้นการวางรากฐานทางทฤษฎีและเชิงประจักษ์กลไกทางเศรษฐกิจของพวกเขา.
เราเป็นระบบเหมืองตัวอย่างประวัติศาสตร์ 1971-2011 ภายใต้การเฉพาะชุดของกฎ
การออกแบบ ที่จะเป็นตัวแทนของขั้นตอนการทดลองที่ใช้กันทั่วไป เราพิจารณา 27
ลักษณะ บริษัท ที่นำเสนอในวรรณคดีเป็นตัวแปรการคาดการณ์ผลตอบแทนหุ้น (ดู
ส่วนที่ 2 และภาคผนวก A สำหรับรายชื่อของลักษณะที่มีการอ้างอิงถึง relevantliterature) บางส่วนของลักษณะเหล่านี้ได้รับการเสนอให้เป็นผู้สมัครผู้รับมอบฉันทะเชิงประจักษ์
สำหรับความเสี่ยงที่เป็นระบบที่คนอื่นเป็นผู้รับมอบฉันทะมีแนวโน้ม mispricing - เราไม่เลือกปฏิบัติ
บนพื้นฐานของประโยชน์ของการสร้างแรงจูงใจเดิม จะมีคุณสมบัติเป็นคู่แข่งสำหรับการทำเหมืองข้อมูลของเรา
ออกกำลังกายลักษณะ บริษัท ก็ต้องเป็นเรื่องของการตีพิมพ์ทางวิชาการ.
เราจัดอันดับ บริษัท เป็นสิบพอร์ตการลงทุนขึ้นอยู่กับแต่ละลักษณะ 27 และกำหนด
ปัจจัยที่เกี่ยวข้องกลับมาเป็นความแตกต่างระหว่างผลตอบแทน สิบและพอร์ตการลงทุนช่วงชั้นแรก.
จากนั้นเราจะจัดระเบียบประสิทธิภาพการกำหนดราคาของทั้งหมดสามที่เป็นไปได้และรูปแบบที่สี่ปัจจัยแต่ละ
ประกอบด้วยผลงานตลาดและสองหรือสามปัจจัยตามลำดับเลือกออกจากชุด
27 เราจึงพิจารณารวม ทางเลือกของ 351 รุ่นสามปัจจัยและ 2925 สี่ปัจจัย
รุ่น.
ถ้ารูปแบบราคาไม่ได้ปฏิเสธโดยการทดสอบกับข้ามส่วนของพอร์ตการลงทุนเรียง
ในลักษณะของ บริษัท โดยเฉพาะอย่างยิ่งเราบอกว่ารูปแบบดังกล่าวนี้ตรงกับข้ามส่วน . เรา
พบว่ามันเป็นเรื่องง่ายที่จะสร้างรูปแบบสามปัจจัยที่ตรงมากกว่าครึ่งหนึ่ง
ของเป้าหมาย 25 ข้ามส่วนของผลตอบแทนมากกว่าตัวอย่างเต็มรูปแบบ (ไม่รวมที่เราข้ามส่วน
ที่ใช้ในการสร้างแบบจำลองปัจจัยจากชุดของเป้าหมาย ข้ามส่วน).
รูปแบบที่ดีที่สุดที่มีประสิทธิภาพมากกว่ากลุ่มตัวอย่างทั้งหมดโดยจำนวน crosssections จับคู่
รวมถึงปัจจัยขึ้นอยู่กับผลประกอบการที่ไม่คาดคิดและอัตราการไหลของเงินสดให้ราคา.
มันตรงกับ 15 จาก 25 ผลตอบแทนส่วนข้าม . แต่ละด้านบนยี่สิบรูปแบบรายงานใน
ตารางที่ 5 การแข่งขันกลับข้ามส่วนขึ้นอยู่กับแต่ละ 12 หรือมากกว่าที่แตกต่างกัน characteristics.3
รุ่นสี่ปัจจัยบรรลุความคุ้มครองที่ดีเล็กน้อยที่มีรูปแบบที่ตรงกับด้านบน 16 ออก
24 ส่วนข้ามและ ที่เลวร้ายที่สุดของด้านบนยี่สิบรูปแบบที่ตรงกับ 14 สำหรับการเปรียบเทียบ
CAPM และ Fama และฝรั่งเศส (1993) รูปแบบสามปัจจัยทั้งคู่ที่แปดจาก
27 ผลตอบแทนส่วนข้าม (เราไม่ได้ยกเว้นสินทรัพย์การทดสอบใด ๆ เมื่อมีการประเมินอ้างอิงเหล่านี้
รุ่น).
เป็นที่คาดหวังในการออกกำลังกายการทำเหมืองข้อมูลประสิทธิภาพการทำงานของรุ่นซีแฟคเตอร์มีแนวโน้มที่จะ
เปราะบาง มันเป็นอย่างสูงที่มีความละเอียดอ่อนทางเลือกระยะเวลาที่กลุ่มตัวอย่างและรายละเอียดของการก่อสร้างปัจจัย.
โดยเฉพาะอย่างยิ่งมีแทบไม่มีความสัมพันธ์ระหว่างประสิทธิภาพการทำงานรูปแบบญาติ
ในครึ่งแรกและครั้งที่สองของรอบระยะเวลาตัวอย่าง 1971-2011 ในทำนองเดียวกันการใช้สองทาง
จัดเรียงในสต็อกมูลค่าตลาดของ บริษัท (ขนาด) และลักษณะที่จะสร้างผลตอบแทนรูปแบบ
ปัจจัยมักจะใช้ในขั้นตอนการทดลองคล้าย scrambles รูปแบบการจัดอันดับของญาติ.
ขาดความมั่นคงดังกล่าวแสดงให้เห็นว่าขั้นตอนวิธีการสอดแนมข้อมูลของเรามีแนวโน้มที่จะ เลือกผู้โชคดีปลอม
ในชุดของรูปแบบที่เป็นไปได้ทั้งหมดโดยไม่ต้องเปิดเผยความเสี่ยงโครงสร้างพื้นฐานที่มีประสิทธิภาพ
ในการรับผลตอบแทน นี้ไม่ได้หมายความว่าทุกรุ่นที่มีประสิทธิภาพดีกว่าในการวิเคราะห์ของเราเป็น
ปลอมและไม่สอดคล้องตามหลักวิชา บางส่วนของหลายรุ่นที่เราระบุใน
การศึกษามีแนวโน้มที่จะจับภาพที่มีความหมายในเชิงเศรษฐกิจแหล่งที่มาของความเสี่ยง - เราก็ไม่สามารถระบุ
. ที่ของพวกเขาทำเพียงลำพังบนพื้นฐานผลการดำเนินงานการกำหนดราคาแบบจำลอง '
กระดาษนี้จะมีการจัดระเบียบดังต่อไปนี้ ส่วนที่ 2 อธิบายถึงข้อมูลและวิธีการ มาตรา
3 ตรวจสอบโครงสร้างปัจจัยโดยรวมของพอร์ตการลงทุนลักษณะเรียงและความสามารถใน
รูปแบบซีแฟคเตอร์ที่แตกต่างกันในการจับภาพตัดขวางในผลตอบแทนเฉลี่ยในต่างๆ
พอร์ตการลงทุนลักษณะเรียง ส่วนที่ 4 สรุป

ผลลัพธ์ (ไทย) 3:

วรรณกรรมเชิงประจักษ์ได้บันทึกราคาสินทรัพย์หลายตัวอย่างของบริษัทลักษณะ
สามารถคาดการณ์ผลตอบแทนของหุ้นในอนาคต เมื่อไม่คิดโดยแบบจำลองการตั้งราคา
สินทรัพย์มาตรฐาน รูปแบบดังกล่าวมักจะถูกตีความอย่างผิดปกติ มันเป็นความท้าทายที่จะพัฒนา
ความหมายทฤษฎีคำอธิบายของลักษณะรูปแบบผลตอบแทน 1

ในความคมชัดยาวสั้นผลงานสร้างโดยเรียงลำดับบริษัทในลักษณะต่างๆ โดย " c-factors "
มักจะตั้งชื่อตามการเรียงลำดับตัวแปร–ให้พร้อมกระผมใช้ได้ในรูปแบบปัจจัย
เชิงประจักษ์ โดยการค้นหาผ่าน บริษัท ที่รู้จักกัน เป็นลักษณะที่เกี่ยวข้องกับการแพร่กระจายขนาดใหญ่
คือผลตอบแทนของหุ้น มันค่อนข้างง่ายที่จะสร้างความสำเร็จที่ดูเหมือนปัจจัยเชิง
ราคารุ่น
เมื่อเราได้ยินของรูปแบบปัจจัยพืชคลุมดิน ( C-factor ) ใหม่ด้วยปัจจัยที่ว่า " อธิบาย " M ของ wellknown
ประตูมิติ แล้วเราจะประเมินเช่นผล ? มีเกณฑ์เชิงปริมาณสำหรับ m-to-n
อัตราส่วนข้างต้นซึ่งเป็นผลอย่างยิ่งจุดที่จะเป็นแหล่งสำคัญ
ทางเศรษฐกิจของความเสี่ยงที่เป็นระบบ แม้ไม่แข็ง ทฤษฎีพื้นฐานของ ? ความสะดวกในการก่อสร้าง
รูปแบบปัจจัยพืชคลุมดิน ( C-factor ) และเสรีภาพในการเลือกสินทรัพย์แทบไม่ จำกัด ทดสอบดินให้อุดมสมบูรณ์
2
สำหรับการทำเหมืองข้อมูล ในกระดาษนี้เราหาง่ายเพียงแค่ว่ามันคือการสร้างที่ดูเหมือน
ประสบความสำเร็จเชิงประจักษ์ปัจจัยพืชคลุมดิน ( C-factor ) รุ่น การค้นพบของเราบ่งบอกว่ามันเป็นเรื่องยากมากที่จะประเมินปัจจัย
รูปแบบราคาขึ้นอยู่เพียงผู้เดียวในประสิทธิภาพของราคา และหนึ่งต้อง
เน้นทฤษฎีพื้นฐานสำหรับกลไกทางเศรษฐกิจ และเชิงประจักษ์
เรามีระบบเหมืองตัวอย่าง 1971-2011 ประวัติศาสตร์ภายใต้ชุดเฉพาะของกฎ
ออกแบบมาเป็นตัวแทนของใช้ทั่วไปเชิงประจักษ์ตามขั้นตอน เราพิจารณา 27
บริษัทคุณลักษณะเสนอในวรรณคดีในฐานะตัวแปรทำนายผลตอบแทนของหุ้น ( ดู
มาตรา 2 และภาคผนวกสำหรับรายการของลักษณะที่มีการอ้างอิงถึง relevantliterature ) บางส่วนของลักษณะเหล่านี้ได้รับการเสนอเป็นผู้สมัครสำหรับการเปิดรับความเสี่ยงเชิง
ผู้รับมอบฉันทะผู้รับมอบฉันทะให้ผู้อื่นอย่างเป็นระบบ เป็นโอกาส mispricing –เราไม่ได้
ขึ้นอยู่กับอุปนิสัยของแรงจูงใจที่เป็นต้นฉบับแบ่งแยก ถือว่าเป็นคู่แข่งของเราการทำเหมืองข้อมูล
การออกกําลังกายบริษัท ลักษณะก็ต้องเป็นเรื่องของสิ่งพิมพ์ทางวิชาการ
เราจัดอันดับตามแต่ละบริษัทเป็นสิบผลงานของ 27 และลักษณะการกำหนดปัจจัยที่เกี่ยวข้องกลับ
ที่แตกต่างกันผลตอบแทนระหว่างสิบและการลงทุน ในช่วงแรก
จากนั้นเราเรียบราคาประสิทธิภาพของทั้งหมดที่เป็นไปได้สาม - สี่ปัจจัยรูปแบบ แต่ละ
ซึ่งประกอบด้วยตลาดผลงานและ 2-3 ตามลำดับ เลือกออก
ของ 27 เราจึงพิจารณาทั้งหมด 351 ทางเลือกสามปัจจัยรูปแบบและโปรแกรมปัจจัย

ถ้าเป็น 4 รุ่น ราคาแบบไม่ปฏิเสธ โดยการทดสอบกับขนาดของพอร์ตการลงทุนเรียง
บนเป็น บริษัท เฉพาะในลักษณะ ที่เราบอกว่า รุ่นนี้ ตรงกับ เช่นตัด . เรา
พบว่ามันค่อนข้างง่ายที่จะสร้างสามปัจจัยรูปแบบการแข่งขันมากกว่าครึ่งหนึ่ง
ของ 25 เป้าหมายและผลตอบแทนมากกว่าตัวอย่างเต็ม ( เราไม่รวมและ
แบบฟอร์มที่ใช้ปัจจัยรูปแบบจากชุดและเป้าหมาย ) .
การปฏิบัติที่ดีที่สุดรูปแบบตัวอย่างทั้งหมด โดยจำนวนของ จับคู่ crosssections
,รวมถึงปัจจัยที่ขึ้นอยู่กับกำไรและกระแสเงินสดอัตราส่วนราคา .
มันตรงกับ 15 จาก 25 และกลับมา ของแต่ละรุ่นยี่สิบรายงาน
ตารางที่ 5 ตรงกับคืนและขึ้นอยู่กับแต่ละ 12 หรือมากกว่าลักษณะที่แตกต่างกัน 3
4 ปัจจัยรูปแบบให้ได้ดีขึ้นเล็กน้อยครอบคลุมด้วยโมเดลตรงกัน
24 และ 16 ออก ,และที่เลวร้ายที่สุดของยี่สิบรูปแบบการจับคู่ 14 สำหรับการเปรียบเทียบ ,
แและ Fama และฝรั่งเศส ( 1993 ) ปัจจัยทั้งสามรูปแบบการแข่งขันแปดออก
27 คืนและ ( เราไม่แยกการทดสอบใด ๆทรัพย์สินเมื่อประเมินแบบจำลองอ้างอิง
เหล่านี้ ) .
ตามที่คาดไว้ในการทำเหมืองข้อมูลออกกำลังกาย ประสิทธิภาพของปัจจัยพืชคลุมดิน ( C-factor )
รุ่นมีแนวโน้มที่จะเปราะบางมันมีความไวสูงในช่วงการเลือกตัวอย่างและรายละเอียดของการสร้างปัจจัย .
โดยเฉพาะ มีจวนไม่มีความสัมพันธ์ระหว่างประสิทธิภาพในแบบสัมพัทธ์
แรกและส่วนที่สองของ 1971-2011 ตัวอย่างระยะเวลา อนึ่ง การจัดเรียงแบบสองทาง
สำนักงานตลาดหุ้นทุน ( ขนาด ) และลักษณะการสร้างปัจจัยผลตอบแทน
รุ่นกระบวนการเชิงประจักษ์ที่ใช้บ่อยๆ ในทำนองเดียวกัน scrambles แบบญาติชั้น .
ขาด เช่น ความมั่นคง ชี้ว่า ข้อมูลเรื่องขั้นตอนวิธีมีแนวโน้มที่จะเลือกผู้ชนะของเก๊
ชุดรูปแบบเป็นไปได้ทั้งหมดโดยไม่เปิดเผยประสิทธิภาพโครงสร้างพื้นฐานความเสี่ยง
ในผลตอบแทน นี้ไม่ได้หมายความว่าทั้งหมดของประสิทธิภาพที่ดีขึ้นแบบในการวิเคราะห์ของเรา
ปลอมและตามหลักวิชาไม่สมควร . บางส่วนของหลายรุ่นที่เราระบุในการศึกษา
มีแนวโน้มที่จะจับแหล่งสำคัญทางเศรษฐกิจของ–เสี่ยงเราก็ไม่สามารถระบุ
ที่พวกเขาทำอยู่เพียงผู้เดียวในรูปแบบ ' ราคาประสิทธิภาพ
กระดาษนี้จะจัดดังนี้ ส่วนที่ 2 อธิบายข้อมูลและวิธีการ . ส่วน
3 ตรวจสอบโดยรวมปัจจัยโครงสร้างของลักษณะการจัดเรียงผลงานและความสามารถ
รูปแบบปัจจัยพืชคลุมดิน ( C-factor ) การจับความแตกต่างที่มีผลตอบแทนเฉลี่ยในลักษณะต่างๆ
จัดเรียงแฟ้ม ส่วนที่ 4
แสดงความคิดเห็น