学界纵横系列之十六：基于随机贴现模型的因子筛选法

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。