在线性资产定价模型中识别并利用强、半强和潜在因子中的 alpha

交易因子的风险溢价是因子均值与我们记为 ${\phi}$ 的参数向量之和，该参数向量可从个别证券 alpha 关于因子负荷向量的横截面回归中识别得出。若 ${\phi}$ 为非零，可构建“phi-组合”以利用非零 alpha 的系统性组成部分。我们证明，在已知 beta 值且 ${\phi}$ 为非零时，存在能够在均值-方差组合中实现优势的 phi-组合。随后本文提出一种两步校正偏差的 ${\phi}$ 估计器，并推导其渐近分布，允许包括身份异质定价误差、缺失因子偏弱以及误差横截面相关性。大量蒙特卡罗实验的小样本结果表明，所提估计器在大小检验中表现良好且具有良好的检验功效。本文还对大量美国证券进行了实证应用，风险因子从大量潜在风险因子中选取，依据其强度，并构建 phi-组合，比较其与均值-方差组合和标普500组合的 Sharpe 比率。