Chen & Zimmermann —「Open Source Cross-Sectional Asset Pricing」

一句话：把文献里几乎所有截面收益预测变量重新算一遍并公开数据与代码——180 个「明确显著」的预测变量里，98% 复现成功。

大白话

过去二十年，金融学界发明了几百个「异象」。但每一个都是在一台别人看不见的机器上算出来的——同样的数据、同样的样本期、同样的排序断点，换个人算一遍可能就消失了。

这篇论文做的是基础设施：把数据标准化、把代码公开，让别人能一键复现。

结论出人意料地乐观——问题不在异象本身，而在能不能被复现。

层级	预测变量	组合
核心数据集	210 个公司层面预测变量（原始论文明确检验过的）	210 个多空策略
扩展数据集	315 个特征	1260 个组合

扩展数据集会往里塞「非预测变量」——包括原文明确检验过但不显著的变量，以及论文里根本没检验过、但作者认为「也许能预测」的变量。论文明确说：这些分类需要主观判断，所以公开出来让大家自己用。

再平衡频率：核心数据集提供 1、3、6、12 个月四种再平衡版本。

180 个「明确显著」的预测变量中，只有 4 个复现失败：

失败案例	t 值	论文给出的原因
Pastor-Stambaugh (2003) beta	—	论文自己承认这个 beta 已知很脆弱（Li-Velikov 2019、Pontiff-Singla 2019 都指出过）
Cohen-Diether-Malloy (2013) R&D 效率预测	0.73	R&D 大量缺失与零值，滚动估计流程无法完全对齐
Cremers-Nair (2005) 大股东治理	1.75	需要 13F 原始类型 1/3 数据，作者不是该领域专家
Harvey-Siddique (2000) 余弦偏度	0.32	原文没有给表格，只有正文一句话；论文自己说「归为明确显著是个判断题」

论文的态度很克制：复现失败不应被当作对原论文的批评——复制几百个特征时自己代码出错是可能的，论文公开数据并邀请读者报错。

30 个「证据混杂」的预测变量，复现的平均 t 值约为 2——即处在显著边缘。

表现随再平衡变慢而单调下降：

再平衡频率	中位数预测变量的月均收益	75 分位预测变量
1 个月	约 65 bps	约 105 bps
12 个月	约 40 bps	约 65 bps

论文给了两个解释：再平衡越慢，对信号的暴露越少；或者——毛收益越高的策略，交易成本也越高。

论文明确说自己的数据覆盖：