本文介绍了一种基于随机贴现模型的因子筛选法,主要解决遗漏变量偏差问题。该方法通过两步LASSO回归,对已有的高维因子库进行双重选择,缓解变量遗漏所带来的误差问题。文章得出的主要结论:第一,近年新提出的因子中,BETA、投资能力(HXZ的IA)和盈利能力因子(Fama-French的RMW、HXZ的ROE)有显著贡献。同时对比不同基准模型,双重选择方法可以充分利用因子库中包含的信息,减小变量遗漏误差,进而更保守地评估新因子贡献。第二,随着时间递归地应用文章方法,可以对因子库进行缩减。第三,文章方法对于模型参数具有稳健性,其他机器学习的变量选择方法也与文章的实证结果相似。