Identification-Robust Factor Pricing: Canadian Evidence
Notice bibliographique
Résumé
We analyze factor models based on the Arbitrage Pricing Theory (APT). using identification-robust inference methods. Such models involve nonlinear reduced-rank restrictions whose identification may raise serious non-regularities and lead to a failure of standard asymptotic theory. We build confidence sets for structural parameters based on inverting Hotelling-type pivotal statistics. These confidence sets provide much more information than the corresponding tests. Our approach may be interpreted as a multivariate extension of the Fieller method for inference on mean ratios. We also introduce a formal definition for a redundant factor linking the presence of such factors to unbounded confidence sets, and we document their perverse effects on minimum-root-based model tests. Results are applied to multifactor asset-pricing models with Canadian data, the Fama-French-Carhart benchmarks and monthly returns of 25 portfolios from 1991 to 2010. Despite evidence of weak identification, several findings deserve notice when data are analyzed over ten-year subperiods. With equally weighted portfolios, the three-factor model is rejected before 2000, but weakly supported thereafter. In contrast, the three-factor model is not rejected with value-weighted portfolios. Interestingly in this case, the market factor is priced before 2000 along with size, while both Fama-French factors are priced thereafter. The momentum factor severely compromises identification, which calls for caution in interpreting existing work documenting momentum effects on the Canadian market. This empirical analysis underscores the practical usefulness of our analytical confidence sets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».