Optimal Post-Hoc Theorizing
发表于 2025年6月27日上传于 2025年7月1日

本文基于贝叶斯模型建立了“先验理论假设”与“事后理论假设”间的权衡框架,提出现代大数据和成熟理论环境下,事后理论假设(post hoc theorizing)通常是最优选择。论证了有限时间和资源限制使得以结果优先而非无偏性为研究目标时,事后假设的“统计学习”效应超越了“达尔文选择”效应,从而带来更优的研究成果

本文基于贝叶斯模型建立了“先验理论假设”与“事后理论假设”间的权衡框架,提出现代大数据和成熟理论环境下,事后理论假设(post hoc theorizing)通常是最优选择。论证了有限时间和资源限制使得以结果优先而非无偏性为研究目标时,事后假设的“统计学习”效应超越了“达尔文选择”效应,从而带来更优的研究成果

本报告应用经验贝叶斯方法对13.6万条基于会计比率、过去收益及股票代码构建的多空策略进行系统性挖掘,构建了高通量资产定价框架,实现了与顶级期刊策略相当的样本外表现,同时避免了前瞻偏差。实证发现预测性主要集中在会计策略、小市值股票及2004年前期间,信息技术进步导致了预测性显著下滑。多重检验方法在金融领域的应用存在漏检问题,经验贝叶斯为研究因子收益提供了无偏且直观的解决方案.
本报告基于美国联邦储备银行数据,深入实证分析第三方信用担保在公司贷款中的普遍性与影响。研究发现,约46%的企业贷款由独立担保方提供部分或全部担保,且第三方担保显著降低贷款利率(约12-25个基点折扣),贷款风险(LGD降低0.8%)及违约率(降低近2.5个百分点)。同时,第三方担保和抵押物在降低贷款风险方面具有部分替代性,尤其对小型企业,资产负面冲击时更倾向使用担保而非抵押物。担保来源差异显著,政府机构担保利率折扣最大(约250个基点),公司担保有效但较低,个人担保影响不显著。本研究提出,第三方信用担保机制有效缓解资产价值变动对借贷的制约,是信贷风险管理与贷款定价的重要因素 .