Evaluating Asset Pricing Models using Micro Portfolios as Test Assets
Notice bibliographique
Résumé
Asset pricing models are traditionally evaluated on a set of diversified size/Bookto-Market portfolios. However, the recent literature shows that this approach may have only limited ability to distinguish between the wide variety of models that researchers can choose from. To address this issue, this paper introduces a new cross-section of test assets dubbed micro portfolios. Containing only a few stocks, these portfolios help preserve dispersion of betas across the risk factors that drive returns. This information, which is obscured in diversified portfolios, is critical to improving the evaluation of competing models. The empirical evidence sheds new light on the strengths and weaknesses of the conditional, human capital, and liquidity-based CAPMs and shows that they outperform the standard CAPM along several dimensions that would be largely unnoticed otherwise. ∗Desautels Faculty of Management, McGill University, Montreal. E-mail: laurent.barras@mcgill.ca. Phone:+15143988862. I thank Sebastien Betermier, Julien Cujean, Alexandre Jeanneret, Aytek Malkhozov, Olivier Scaillet, Sergei Sarkissian, Akiko Watanabe, Russ Wermers, as well as seminar participants at the 2012 CIRPEE Applied Financial Time Series Conference, the 2012 meeting of the Institute for Mathematical Finance, the 2012 meeting of the French Finance Association, the 2013 meeting of the Northern Finance Association, the Universities of Geneva, Laval, and Queen’s for their comments. I also thank the Social Sciences and Humanities Research Council of Canada (SSHRC) and the Institute for Mathematical Finance (IFM2) for their financial support.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».