Tsinghua (2026) — Is the Cross-Asset Spillover Network Real? Identification and the Limits of Estimated Interaction Matrices
- 作者机构: 清华大学 (Tsinghua University)
- 发布日期: 2026-07-13
- 编号: SSRN 6957600
- 来源链接: SSRN abstract
- 公众号解读: 映翡量化 (微信文章 2026-08-13 前)
一句话定位
针对 Avramov & He (2026) 等用 SDF (Stochastic Discount Factor) 框架估出 N×N 跨资产溢出矩阵 Ψ、并画"金融市场传导网络"的近期研究方向，提出两道关卡：识别 (T ≪ N² 下方向性 99.1% 不可识别) + 信息 (即识别通过也无经济增量价值)。结论：真正的跨资产溢出只能由外生经济网络 (Hou 2007 行业扩散、Cohen-Frazzini 2008 供应链) 输入。
关键数字
| 设定 | 数值 |
|---|---|
| N (资产数) | 138 portfolios |
| T (时间) | 120 月 |
| N² (Ψ 自由参数) | ~19 000 |
| 方向性可识别比例 | ≈ T/N² ≈ 0.9% |
| 样本拆分方向性相关 | −0.28 (dense) / +0.96 (low-rank kernel) |
| 行业扩散策略月度 Appraisal Alpha | +1.36% |
| 供应链策略月度 Appraisal Alpha | +1.35% |
| ML 跨资产模型 Sharpe | 2.29 |
| 静态特征 Ridge (Lewellen 2015) Sharpe | 3.26 |
概念归位
主贡献概念：
- 跨资产溢出矩阵与 SDF 估计 — Avramov-He 范式，本文的攻击对象
- 识别性与 T 比 N² 比率 — 第一道关卡的数学基础
- 正则化幻觉 vs 经济结构 — 第一道关卡的方法论含义
- 可复制性 vs 经济增量价值 — 第二道关卡的评价准则
- 外生经济网络与跨资产预测 — 真正的跨资产预测力来源
- 低秩交互矩阵 (Low-Rank Interaction Matrix) — 工程补救
中文摘要
summaries/202608-ml-spillover-network-regularization/202608-ml-spillover-network-regularization