paperfactor-zoolassopost-selectionmachine-learningfactor-modelcanonical

Feng, Giglio & Xiu (2018/2020) —「Taming the Factor Zoo」

一句话：提出双重选择 (double-selection, DS) 两遍估计——用 LASSO 处理「评估一个新因子时，几百个已有因子该怎么控制」的问题，并修正变量选择本身的错误带来的遗漏变量偏差；对 2011 年后提出的新因子逐个检验：绝大多数是冗余的，但盈利（ROE、RMW）与投资（IA、CMA）以及 QMJ 仍有显著解释力；递归检验（1994 年起逐年评估）下 99 个新因子里只有 14 个会被判定有用。

大白话

因子动物园的问题不只是「太多因子、多重检验会假阳性」（Harvey-Liu-Zhu 的路数），还有一层：评估一个新因子时该拿哪些已有因子做对照？ 全部塞进回归会损失效率，只挑几个又可能漏掉真相关的——遗漏变量偏差。

本文的做法：

  1. 两遍框架：先从特征构造因子暴露 β，再对 β 做截面回归估风险价格——但第二步里放进「目标因子 g_t + 控制因子集 h_t 的一个子集」
  2. 控制因子集用 LASSO 选——而且选两次：一次看哪些因子能解释测试资产的收益、一次看哪些因子与目标因子相关。两步都选中的才进控制集。这就是「双重选择」：哪怕 LASSO 在任何一步选错，风险价格的推断仍然有效（post-selection inference，借自处理效应文献 Belloni 等 2014）
  3. 对照实验：只用单次选择的 LASSO，显著因子变成「最大收益、组织资本」，与 DS 的结论完全不重叠——说明不做第二步修正，选择错误直接把结论带歪

与多重检验文献的分工：Harvey/McLean-Pontiff 说「门槛提到 t>3」；本文说「重点是遗漏控制」——一个新因子的显著性要在控制了全部已有因子后仍然成立才算数。两条路都是给因子动物园除草，角度互补。

关键结果

因子库：从 Ken French 数据库取全部因子 + 作者自存档因子（Pástor-Stambaugh 流动性、HXZ q 因子、He-Kelly-Manela 中介资本等），按 Momentum / 价值 / 投资 / 盈利 / 无形资产 / 交易摩擦六大类组织。

Table 1（2011–2015 间提出的新因子，控制 2011 年前全部因子）：

显著存活的因子 风险价格 t（DS 第一列）
QMJ（Asness-Frazzini-Pedersen 质量因子） 显著
HXZ 盈利 (ROE) **4.00–4.51***
FF 盈利 (RMW) **3.08–4.66***
HXZ 投资 (IA) 显著
FF 投资 (CMA) **2.37–3.23***

大多数其他新因子（最大收益、组织资本、中介资本、员工增长等）不显著——冗余 (redundant) 或无用 (useless)。

递归检验（Table 2）：从 1994 年起，每年把当年提出的因子放到「此前全部因子」的对照下检验——完全只用当时可得的信息。结论：99 个新因子中只有 14 个会被判定有用，多数会被当场筛掉。假如这套检验 1994 年就有，因子动物园根本长不成今天这么大。

稳定性：风险价格估计与显著性对选择步骤稳健；简单 LASSO 选出的模型本身却年年在变。

与本 wiki 的关系

相关