SuperAPI AI 工具集

rfs-robustness

智能体与模型

查看项目

更新于 10-15 20:09

技能介绍

用途:针对RFS稿件,在结果可能脆弱、或横截面资产定价中存在多重检验/样本外纪律瓶颈时,系统构建稳健性检验体系。

触发情形:主结果只在一种设定下成立;核心主张是新的收益预测因子或横截面异象;从多个候选变量中挑出“显著”的;审稿人会问“换个设定/子样本/时期还成立吗”;结果对异常值、缩尾或单一事件敏感。

RFS特有机制:公共代码发布是发表条件,稳健性检验须能由公开脚本复现;注册报告(Registered Reports)通过预先设定假设与检验,从构造上化解多重检验质疑,即使不在该轨道,预设定也是RFS偏好的防御方式。

主要能力:一是通用脆弱性检验,包括替代设定(固定效应、控制集、函数形式)、替代度量、子样本划分(时期、规模、行业、地区)、异常值与缩尾处理、安慰剂/证伪检验、替代聚类标准误。二是多重检验纪律,报告经多重检验调整的显著性(如Bonferroni/Holm、FDR控制,或资产定价复制文献主张的更高t门槛),区分样本内拟合与样本外表现并明确报告OOS,预设定假设,因子主张需对既有因子模型做张成检验并报告控制后alpha。三是机制与外部有效性,展示机制而非仅简约式效应,条件允许时用第二数据源或情境三角验证。

使用方式:先跑脆弱性检验再写主表;资产定价主张把样本外与多重检验作为主要检验而非附加;每条结果选一项检验进主文,其余放Internet Appendix;若某项检验削弱结果,须在正文正面回应。执行可借助StatsPAI/Stata MCP:多结果/多设定用romano_wolf或benjamini_hochberg,遗漏变量偏误敏感性用oster_delta/sensemakr,推断用wild_cluster_bootstrap、twoway_cluster/conley,audit_result(result_id)列出缺失检验,etable/did_summary_to_latex生成表格。

限制:本技能针对RFS投稿场景,其他期刊或非实证研究未必适用;具体命令执行依赖相应工具环境,官方文本暂未提供。