我曾經聯繫過多篇文章的作者,提及被他們文章中因子的表現所震撼、想要自己在樣本外復現他們的發現,因此詢問一些數據和程序上的細節。但是這樣的文章幾乎全部石沉大海。唯一良心的回覆是「當年的代碼寫的很亂,可讀性已經很差了」。我想,大概這些作者也根本無法再現它們當時取得的神奇結果吧。
除此之外,學術界和頂級期刊應該鼓勵學者們嘗試「高風險」的研究項目。「高風險」意味著學者需要費時費力費金錢以收集和處理數據,且得到的結論不一定顯著(沒有令人稱奇的 p-value)。但是,這樣的研究成果才是最根本的,才是真正能夠推動金融經濟學闊步向前的創造性工作。
金融經濟學的科學前景深深的植根於學術界的研究和發表環境中。不可否認,如今學術界的研究質量仍然是很高的。但是本文提出的問題不關乎當下,而是著眼於未來。為了保證金融經濟學的發展,學者們應該時刻保持學者的操守,並創造一個健康的研究氛圍。不要試圖尋找捷徑,而是腳踏實地的走曲折的道路,無論荊棘與坎坷。不忘初心,砥礪前行,金融經濟學的科學前景勢必一片光明。
參考文獻
Bartsch, Dichtl, Drobetz, and Neuhierl (2017). Data Snooping in Equity Premium Prediction. Available at SSRN: https://ssrn.com/abstract=2972011
Campbell (2017). Presidential Address: The Scientific Outlook in Financial Economics. AFA 2017 Annual Meeting.
Carver (1978). The case against statistical significance testing. Harvard Educational Review, 48, 378 – 399.
Comte (1856). The Positive Philosophy of Auguste Comte, translated by Harriett Marineau (Calvin Blanchard, New York). Vol. II.
Fisher (1925). Statistical Methods for Research Workers. Oliver and Boyd Ltd, Edinburgh.
Harvey, Liu, and Zhu (2016). … and the cross-section of expected returns. Review of Financial Studies, 29(1), 5 – 68.
Wasserstein and Lazar (2016). The ASA's Statement on p-Values: Context, Process, and Purpose. The American Statistician, 70(2): 129 – 133