GMM Tests of Stochastic Discount Factor Models with Useless Factors
Notice bibliographique
Résumé
This paper studies generalized method of moments tests for the stochastic discount factor representation of asset pricing models when one of the proposed factors is in fact useless, defined as being independent of the asset returns. A nalytic results on asymptotic distributions and simulation results on finite sample distributions both show that (i) the Wald test tends to overreject the hypothesis of a zero factor premium for a useless factor when the model is misspecified, (ii) with the presence of a useless factor, the power of the over-identifying restriction test in rejecting misspecified models is reduced, and in some cases a misspecified model with a useless factor is more likely to be accepted than the true model. JEL Classification: G12 Keywords: Stochastic discount factor models; Generalized method of moments; Nonidentifiability; Useless factors; Misspecification * Corresponding author. Tel.: 852/2358-7684; fax: 852/2358-1749; e-mail: czhang@ust.hk. 1 We would like to thank Burton Hollifield, Gu ofu Zhou, seminar participants at Hong Kong University and an anonymous referee for their helpful comments and suggestions. All remaining errors are ours. Kan gratefully acknowledges financial support from the Social Sciences and Humanities Research Council of Canada. 0304-405X/99/$19.00 c #1999 Elsevier Science S.A. All rights reserved 1.
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 | 0,014 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».