Open source cross-sectional asset pricing¶
| Auteurs | Andrew Y. Chen, Tom Zimmermann |
| Année | 2022 |
| Revue ou source | Critical Finance Review, vol. 11, no 2, p. 207-264 |
| Lien | Données et documentation : https://www.openassetpricing.com/data/, publication d'octobre 2025, lue le 2026-09-04 ; code : https://github.com/OpenSourceAP/CrossSection, GPL-2.0 ; l'article lui-même n'a pas été lu en entier |
| Statut de réplication | données consommées par l'étude 016 ; l'article n'est pas répliqué |
Ce que cette fiche porte vient de la page des données, du dépôt de code et du résumé de l'article, statut rapporté. Ce qui n'y figure pas est marqué non consulté.
La question de recherche¶
Les centaines de prédicteurs de rendements d'actions publiés depuis les années 1970 se retrouvent-ils quand on les reconstruit tous, avec le même code, sur les mêmes données ? Et que valent-ils une fois reconstruits ?
En mots simples : si l'on refait tous les devoirs de la littérature avec une seule règle, combien tiennent ?
L'intuition économique¶
Aucune : c'est un travail de reconstruction, dont la valeur est de rendre comparables des résultats publiés dans des conditions différentes. Sa contribution est l'outil, pas un mécanisme.
Les données¶
CRSP et Compustat pour les rendements et les comptes, IBES pour les prévisions d'analystes. Des sources ponctuelles s'ajoutent signal par signal. Les portefeuilles publiés sont mensuels, de 1926 à 2024 dans la publication d'octobre 2025, en pourcentage. Les rendements de radiation de CRSP sont compris, ce qui fait de ces séries la seule source libre sans biais de survie que le laboratoire connaisse. Non consulté au-delà de la page des données.
L'univers¶
Les actions ordinaires américaines de CRSP. Les filtres de chaque signal suivent l'article d'origine, documentés signal par signal dans la fiche publiée avec les données.
La méthodologie¶
Chaque prédicteur est reconstruit selon son article d'origine, puis un portefeuille long moins court est formé par tri, décile ou quintile selon l'article. La pondération, égale ou par la capitalisation, et la période de détention suivent aussi l'article. La fiche des signaux porte, par prédicteur, les auteurs, l'année, la revue, la fin de l'échantillon d'origine et le rendement et le t rapportés dans l'article.
Les équations qui comptent¶
Aucune formule propre : la mesure est le rendement moyen du portefeuille long moins court et son t.
Les résultats originaux¶
Rapportés, résumé de l'article. Pour les 161 caractéristiques nettement significatives dans leur article d'origine, 98 % des portefeuilles long moins court reconstruits ont un t supérieur à 1,96. La régression des t reconstruits sur les t d'origine a une pente de 0,88 et un R² de 82 %.
Les critiques connues¶
Le laboratoire n'en a consulté aucune. Une limite évidente : un portefeuille reconstruit selon l'article reproduit aussi ses choix de construction, et un signal peut tenir par sa construction plus que par son mécanisme.
Les problèmes de réplication connus¶
La fiche des signaux note, prédicteur par prédicteur, les écarts de construction avec l'article d'origine ; non consultée ligne par ligne.
Les biais possibles¶
Les prédicteurs sont ceux qui ont été publiés, donc ceux qui ont réussi dans leur échantillon. La fiche donne l'année de publication et non le mois, si bien qu'une fenêtre construite sur l'année contient des mois d'après parution.
Nos décisions d'implémentation¶
quantlab.data.providers.osap télécharge les deux fichiers par leur adresse
directe, les garde dans le cache brut avec leur empreinte et divise les
rendements par cent. Son manifeste déclare que la licence n'est pas énoncée
et que la citation est demandée.
Nos écarts avec l'article¶
Aucun : les portefeuilles sont lus tels quels. La fin d'échantillon et la publication sont prises au 31 décembre de l'année donnée.
Nos résultats¶
Étude 016 : sur 208 prédicteurs, le rendement après publication vaut en moyenne 53 % de celui de la fenêtre de l'article, 42 % en médiane. 83 % des prédicteurs baissent et 16 % deviennent négatifs.
Notre contrôle de robustesse¶
Voir l'étude 016 : mise en commun par la moyenne des rapports, par la régression à effet fixe, par décennie de publication.
Références¶
Chen, A. Y. et Zimmermann, T. (2022). Open Source Cross-Sectional Asset Pricing. Critical Finance Review, 11(2), 207-264.