【文献阅读】Journal of Finance76卷5期

损失函数与优化器:从「梯度是怎么被造出来的」到「梯度是怎么被用掉的」 本文揭示损失函数与优化器本质一体:优化器仅依赖损失产生的梯度,而损失决定梯度的方向、尺度与噪声特性。错误的损失选择(如分类用MSE)会导致梯度失衡,使优化器失效;不同损失(如Huber、Focal)通过调控梯度分布影响优化过程。实测表明,归约方式、标签结构与损失配对直接决定梯度行为,进而影响收敛性与泛化。核心观点:选对损失,才是让优化器“看得懂”的前提。 阅读详情

1、The Cross Section of MBS Returns 抵押贷款支持证券(MBS)横截面收益

We present a simple, linear asset pricing model of the cross section of Mortgage-Backed Security (MBS) returns. MBS earn risk premia as compensation for their exposure to prepayment risk. We measure prepayment risk and estimate risk loadings using prepayment forecasts versus realizations. Estimated loadings on prepayment risk decrease monotonically in securities' coupons relative to the par coupon, consistent with the predicted effect of prepayment on bond value. Prepayment risk appears to be priced by specialized MBS investors. The price of prepayment risk changes sign over time with the sign of a representative MBS investor's exposure to prepayment shocks.

我们提出一个简单的、线性的MBS横截面收益资产定价模型。MBS可以获得作为其提前支付风险补偿的超额收益。我们测度prepayment风险,并根据prepaymet预测和实现以估计风险载荷。提前支付风险的Estimated loadings随着票面息票单调递减。Prepayment risk似乎是由专业MBS投资者定价的。代表MBS投资者对于prepayment shocks的风险敞口,prepayment的风险定价随时间变化。

2、Reinvestment Risk and the Equity Term Structure 再投资风险与股权期限结构 

3、Inventory Management, Dealers' Connections, and Prices in Over-the-Counter Markets

存货管理,经销商联系,以及场外市场价格

4、Tracking Retail Investor Activity 追踪散户

We provide an easy method to identify marketable retail purchases and sales using recent, publicly available U.S. equity transactions data.  Individual stocks with net buying by retail investors outperform stocks with negative imbalances by approximately 10 bps over the following week.  Less than half of the predictive power of marketable retail order imbalance is attributable to order flow persistence, while the rest cannot be explained by contrarian trading (proxy for liquidity provision) or public news sentiment.  There is suggestive, but only suggestive, evidence that retail marketable orders might contain firm-level information that is not yet incorporated into prices.

我们提供了一个简单的方法以识别市场散户的买卖,使用近期可用的US股票交易数据。散户净买入的个股往往在下一周,相较净卖出的个股收益高出10bps。Marketable retail订单不平衡中,不足一半的预测能力归因于订单流persistence,而余下部分无法用流动性供给测度以及公共新闻情绪解释。这表明retail marketable orders可能包括未被价格囊括的firm-level information.

5、Can the Market Multiply and Divide? Non-Proportional Thinking in Financial Markets

金融市场的Non-proportional thinking

We hypothesize that investors partially think about stock price changes in dollar rather than percentage units, leading to more extreme return responses to news for lower-priced stocks. Consistent with such non-proportional thinking, we find a doubling in price is associated with a 20% to 30% decline in volatility and beta (controlling for size/liquidity). To identify a causal price effect, we show that volatility jumps following stock splits and drops following reverse splits. Lower-priced stocks also respond more strongly to firm-specific news. Non-proportional thinking helps explain asset pricing patterns such as the size-volatility/beta relation, the leverage effect puzzle, and return drift and reversals.

我们假设投资者partially以股价变动思考,而不是百分比,导致新闻对低价股收益有着更极端的冲击。与这样的non-proportional thinking一致,我们发现价格翻倍与波动率和beta20%至30%的下降有关。为了识别随机的价格影响,我们的研究表明,股票拆股后波动性会上升,而反向拆股后波动性会下降。低价股票对firm-specific news的反应更加强烈。Non-proportional thinking帮助解释资产定价模型如size-volatility/beta的关系、杠杆效应之谜、收益飘移及反转。

6、The Misallocation of Finance 金融错配

We estimate real losses arising from the cross-sectional misallocation of financial liabilities.  Extending a production-based framework of misallocation measurement to the liabilities side of the balance sheet and using manufacturing firm data from the United States and China, we find significant misallocation of debt and equity in China but not the United States.  Reallocating liabilities of firms in China to mimic U.S. efficiency would produce gains of 51% to 69% in real value-added, with only 17% to 21% stemming from inefficient debt-equity combinations.  For Chinese firms that are large or in developed cities, we estimate lower distortionary financing costs.

中国制造业存在资产负债错配。

7、Property Rights to Client Relationships and Financial Advisor Incentives

客户关系产权和财务顾问激励  

8、The Limits of p-Hacking: Some Thought Experiments

p-Hacking的局限性:一些思想实验  

Suppose that the 300+ published asset pricing factors are all spurious. How much p-hacking is required to produce these factors? If 10,000 researchers generate eight factors every day, it takes hundreds of years. This is because dozens of published t-statistics exceed 6.0, while the corresponding p-value is infinitesimal, implying an astronomical amount of p-hacking in a general model. More structure implies that p-hacking cannot address ≈100 published t-statistics that exceed 4.0, as they require an implausibly nonlinear preference for t-statistics or even more p-hacking. These results imply that mispricing, risk, and/or frictions have a key role in stock returns.

假设目前300+ published asset pricing factors都是错误的。多少个p-hacking被要求以生产这些因子?如果10000个研究者每天generate8个因子,那么需要花费上百年。这是因为发布的许多t数据超过6.0,而相应的p值是无穷小的,这意味着在一般模型中p-hacking的数量是天文数字。更多的结构暗示p-hacking不能处理≈100已发表的超过4.0的t-statistics,因为它们要求对t-statistics或甚至更多的p-hacking具有难以置信的非线性偏好。 这些结果表明,错误定价、风险和/或摩擦在股票收益中起着关键作用。  

9、Do Physiological and Spiritual Factors Affect Economic Decisions?

生理和精神因素会影响经济决策吗?

We examine the effects of physiology and spiritual sentiment on economic decision-making in the context of Ramadan, an entire lunar month of daily fasting and increased spiritual reflection in the Muslim faith. Using an administrative data set of bank loans originated in Turkey during 2003 to 2013, we find that small business loans originated during Ramadan are 15% more likely to default within two years of origination. Loans originated in hot Ramadans, when adverse physiological effects of fasting are greatest, and those approved by the busiest bank branches perform worse. Despite their worse performance, Ramadan loans have lower credit spreads.

根据斋月,我们检测生理和精神情绪对decision-making的影响,整个阴历一个月的斋戒,增加了穆斯林信仰的精神反思。使用Turkey银行贷款诗句,我们发现在斋月期间发放的小企业贷款在两年内违约的可能性要高出15%。发行于炎热斋月贷款,斋月期间禁食的不良生理影响最大,而那些由最繁忙的银行分支机构批准的贷款表现更差。 尽管表现较差,但斋月贷款的信用利差较低。  

10、Structuring Mortgages for Macroeconomic Stability

为宏观经济稳定构建抵押贷款  

We study mortgage design features aimed at stabilizing the macroeconomy. We model overlapping generations of borrowers and an infinitely lived risk-averse representative lender. Mortgages are priced using an equilibrium pricing kernel derived from the lender's endogenous consumption. We consider an adjustable-rate mortgage with an option that during recessions allows borrowers to pay only interest on their loan and extend its maturity. The option stabilizes consumption growth over the business cycle, shifts defaults to expansions, and enhances welfare. The cyclical properties of the contract are attractive to a risk-averse lender so that the mortgage can be provided at a relatively low cost.

11、Out-of-Town Home Buyers and City Welfare

未来购房者和城市福利

12、Prospect Theory and Stock Market Anomalies

前景理论与股票市场异常

We present a new model of asset prices in which investors evaluate risk according to prospect theory and examine its ability to explain 23 prominent stock market anomalies.  The model incorporates all of the elements of prospect theory, accounts for investors' prior gains and losses, and makes quantitative predictions about an asset's average return based on empirical estimates of the asset's return volatility, return skewness, and past capital gain.  We find that the model can help explain a majority of the 23 anomalies.

我们提供一个新的资产定价模型,投资者根据前景理论估算风险,并检验其对23个常见股市异常的解释能力。模型包括了前景理论所有元素,解释投资者先前盈亏,并对资产平均收益进行了量化预测,基于收益波动、收益斜率、过去资本利得。模型可以解释23个异常中的大多数。

Journal of finance 金融学顶级论文,希望对喜欢金融的朋友有帮助 立即下载

相关推荐

基于深度学习卷积神经网络的医学图像乳腺癌分类

一、项目背景与意义乳腺癌是女性最常见的恶性肿瘤之一,其早期发现和治疗对于提高患者的生存率和生活质量至关重要。然而,乳腺癌的诊断通常依赖于医生的经验和主观判断,这不仅耗时而且可能存在误差。近年来,深度学习技术特别是卷积神经网络(CNN)在图像处理领域取得了显著进展,为乳腺癌的自动分类提供了新的解决方案。本项目旨在利用深度学习卷积神经网络构建一套高效、准确的医学图像乳腺癌分类系统,辅助医生进行乳腺癌的早期诊断和治疗。二、技术实现。

2301_79810943的博客 978

金融学SSCI的三大顶刊

金融学SSCI的三大顶刊

toby001111的博客 3977

别只聊天了!手把手教你为Ollama+Open WebUI搭建本地知识库(基于BGE-M3和Qwen)

本文详细介绍了如何利用Ollama、Open WebUI和BGE-M3构建本地知识库,实现智能问答和文档检索。通过环境准备、文档处理、向量化实战和应用案例,帮助用户突破基础聊天场景,打造高效的个人知识管理体系。特别适合技术文档管理和学术研究场景。

weixin_42523720的博客 479

金融风控领域的15大顶级学术期刊

金融风控领域的15大顶级学术期刊

toby001111的博客 2348

VLA-JEPA:具身智能中潜空间世界模型的工程落地实践

世界模型是具身智能实现环境理解与因果推演的核心基础,其本质是在状态空间中建模‘动作→结果’的动力学规律。传统基于像素或文本的世界模型因高维、非平稳、弱语义等缺陷,在真实机器人场景中鲁棒性差、部署成本高。JEPA(联合嵌入预测架构)通过构建物理约束的潜空间,将视觉-语言-动作(VLA)信号统一编码为低维、可微、可解释的状态表征,显著提升模型对抖动、遮挡、光照突变等干扰的适应能力,并支持实时闭环控制。该范式已在UR5e、Franka等多构型机械臂及Jetson边缘平台完成实测验证,成为VLA系统从实验室走向产线

weixin_34357928的博客 339

告别NEDC!手把手教你将CLTC/WLTP等最新工况文件导入AVL Cruise(附资源包)

本文详细指导如何将CLTC、WLTP等最新工况文件导入AVL Cruise软件,替代传统的NEDC工况。从资源获取、文件预处理到分步导入指南,再到常见问题排查,帮助工程师高效完成汽车仿真性能评估。附赠全球主流工况文件资源包,助力精准仿真分析。

weixin_30374009的博客 462

深度解读:Top14金融顶刊

深度解读:Top14金融顶刊

toby001111的博客 5147

【保姆级教程】YOLOv8_OBB旋转目标检测:训练自己的数据集

【保姆级教程】YOLOv8_OBB旋转目标检测:训练自己的数据集

m0_51579041的博客 1万+

金融学SSCI三大顶刊-保姆级介绍

金融学SSCI三大顶刊-保姆级介绍

fulk6667g78o8的专栏 3451

手把手教你学Simulink——基于Simulink的全双工无线通信仿真建模示例

目录手把手教你学Simulink——基于Simulink的全双工无线通信仿真建模示例一、背景介绍二、所需工具和环境三、步骤详解步骤1:创建Simulink模型步骤2:设计输入信号步骤3:添加调制模块步骤4:添加自干扰消除模块步骤5:添加AWGN信道步骤6:添加接收端处理步骤7:添加解调模块步骤8:计算误码率(BER)步骤9:添加显示模块步骤10:设置仿真参数步骤11:运行仿真并分析结果四、总结 全双工(Full-Duplex)无线通信技术允许在同一频段上同时进行数据的发送和接收,这与传统的半双工(Half-

MHD0815的博客 184

【ESP32设备通信】-LoRaWAN网关

在物联网 (IoT) 时代,连接设备和收集数据变得比以往任何时候都更加容易和重要。 LoRaWAN(远程广域网)技术已成为远程、低功耗物联网通信的强大解决方案。 在本教程中,我们将使用 ESp32 构建 LoRaWAN 网关电路,并使用 ESP32 和 BME280 传感器构建传感器节点电路。 对于这两个电路,我们将使用基于 SX1278 (Ra-02) LoRa 模块在设备之间进行无线通信。 我们还将向您展示如何将传感器数据传输到流行的物联网平台 ThingSpeak。

视觉与物联智能 1588

下载外文文献的常用方法

下载外文文献方法

qq_45241385的博客 1万+

STEP 7-Micro/WIN SMART 编程软件:从入门到精通的使用指南

通过不断实践,熟悉软件的各项功能和操作技巧,工程师可更好地应对工业自动化控制中的各种挑战,开发出高效、稳定的控制程序。项目的基本组件是构成程序的核心元素,包括:程序块(主程序 OB1、子程序和中断程序)、数据块(给 V 存储器赋初值)、系统块(硬件组态和参数设置)、符号表(用符号代替存储器地址,使程序更易理解)以及状态图表(监视、修改和强制变量状态)。下载程序时,单击工具栏上的 “下载” 按钮,在弹出的下载对话框中选择要下载的块(程序块、数据块、系统块),单击 “下载” 即可。

电工 5578

金融类期刊

作者:张博扬 链接:http://www.zhihu.com/question/24972407/answer/64378996 来源:知乎 著作权归作者所有,转载请联系作者获得授权。 基本上好的金融文章主要发表在两类期刊上,一类是纯粹的金融学期刊,另一类是非纯金融期刊。在列举期刊之前,首先应该指出金融学的定位长期存在分歧。关于金融学的定位有两种看法,一种认为金融学应该被界定为经济学的

jenyzhang的专栏 2755

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

强化学习新路径:基于自监督预测的好奇心驱动探索(Paper+Code)

本文来自AI新媒体量子位(QbitAI) 最近,来自加州大学伯克利分校的Deepak Pathak、Pulkit Agrawal、Alexei A. Efros等人写了一篇题为“基于自监督预测的好奇心驱动探索”的论文,这篇文章提出了一种内在好奇心单元(Intrinsic Curiosity Module),来帮助操作者探索新环境。 论文被收录于8月...

weixin_33670713的博客 603

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

低温ECR-MOCVD生长(002)GaN:椭偏仪测厚与电学性能

本研究用ECR-MOCVD在Si(111)和蓝宝石衬底上低温生长GaN薄膜,蓝宝石1.0SCCM、2h样品呈完全(002)择优取向,椭偏仪测厚32.81nm,迁移率10.42cm²/(V·s)。文章梳理了生长温度、TMGa流量与生长时间对结晶取向、膜厚、粗糙度、光学带隙和电学性能的影响。

Flexfilm_的博客 402

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

【第84期】过拟合欠拟合与复杂度对照的实验与排查

系列:《从小白到 AI 大模型开发工程师的进阶之路》 技术点:AI-0306 过拟合与欠拟合 主人公:小蓝伞 前置:AI-0302 本期产出:学习曲线小蓝伞用越来越高次的多项式拟合一条带噪曲线,训练误差继续下降,但这不能说明他更接近真实关系。本期固定训练样本与噪声,只改变多项式次数,比较对训练点和无噪参考曲线的误差,并区分验证曲线与学习曲线。教学情境用来组织问题,下面的执行数据来自构造实验。

qq_36085846的博客 202

小批量训练的JAX机器学习

本文介绍基于BFGS的小批量训练算法,针对全批量方法在高样本量下计算复杂度高的问题,结合JAX的自动微分与高效计算,实现快速收敛。通过optimtool库中的改进的bfgs优化器与小批量策略,支持分类与回归任务,具备早停机制与灵活监控选项,显著提升大规模机器学习训练效率。

林景的博客 142

新品快讯 | ROHM支持GaN高频开关的TP-PFC控制器IC

另一方面,传统的TP-PFC控制技术广泛使用MCU,但对于小型电源设备而言,除了功耗、电路规模和成本方面的挑战外,如何实现针对GaN HEMT高频开关的控制也成为亟需解决的难题。全球知名半导体制造商ROHM(总部位于日本京都市)宣布,开发出有助于实现小型高效率AC-DC电源的Totem Pole PFC*1(图腾柱PFC,以下简称“TP-PFC”)控制器IC“BM85060FV”,其特点是可在支持GaN HEMT*2高频开关的MHz频段工作。GaN(氮化镓)是一种用于新一代功率元器件的化合物半导体材料。

ONEYAC唯样的博客 234

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573

机器学习基础|监督学习、标签、回归

网约车预估等待时长依赖监督学习中的回归任务。平台利用历史订单数据,以司机实际到达耗时为标签,通过上车点、时间、运力、路况等特征训练模型。模型不断优化预测值与真实耗时的误差,最终对新订单输出连续的预估等待时间,实现精准预测。

weixin_43971465的博客 279

Hugging Face:成为机器学习界的“Github”

以下文章来源于OneFlow,作者OneFlow社区五年前,AI领域的知名研究者Andrej Karpathy发文称,传统人工编程属于“软件1.0”,“软件2

2601_96798011的博客 155

机器学习——混淆矩阵(待更新)

二元: true表示真实==预测,positive表示预测值=1.

m0_61175448的博客 179

Spark06_MLlib机器学习

本文是《PySpark 从入门到实战》系列收官篇,带你用 Spark MLlib 走通机器学习全流程:从三要素与 7 步标准流程讲起,剖析 KNN、朴素贝叶斯、决策树三大算法原理,再以 KNN 手写、垃圾短信分类、决策树分类、逻辑回归鸢尾花(准确率 96.67%)、K-Means 聚类(轮廓系数 0.7345)五个案例落地,最后详解 TF-IDF 文本特征与余弦相似度。全文代码可直接运行,适合有 RDD 与 Spark SQL 基础的开发者快速上手。

2301_80420058的博客 484

LoRA的低秩数学与QLoRA实现

本文系统解析了LoRA及其进阶版QLoRA在十亿参数模型微调中的高效机制。通过低秩假设,将权重更新量ΔW近似为低秩矩阵积,显著压缩可训练参数与显存占用;QLoRA进一步将基座模型量化至4比特(NF4),结合双重量化与分页优化器,实现65B模型单卡微调。文章详解了B初始化为零、缩放系数α/r设计、挂载位置选择等关键实操细节,并给出可运行代码。实践表明:4比特基座+高精度LoRA在多数任务上媲美全参微调,且训练效率极高。超参方面,r不宜过大,学习率需上调,数据质量重于数量。最后强调:LoRA适用于风格适配与领域

2601_96733043的博客 343
上一篇: 【文献阅读】Forecasting multivariate realized stock market volatility
下一篇: 【西瓜书阅读笔记】05神经网络
Checkmate9949
博客等级 码龄5年 6176粉丝 43原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值