数据与代码

Data & Code

五篇论文所用的数据、本站图表背后的数据文件，以及 NA-IPCA 工具包：它做什么、如何校验、如何申请。

申请工具包（电子邮件） · 源代码与安装包可应要求提供

NA-IPCA v1.2.0 与 GCDE v1.2.0 · 2026 年 7 月 4 日发布，2026 年 7 月 5 日冻结并自行认证 · 论文尚未发表，代码仅应学术用户要求提供 · 申请代码 · 更新于 2026 年 9 月

各论文使用的是多数高校持有、需授权使用的美国股票数据。无套利 IPCA（NA-IPCA）的估计代码已与另一套实现相互校验，在论文发表之前仅向提出申请者提供。下面列出：各数据集、本站图表背后的数据文件，以及工具包能做什么。

数据

个股层面的面板数据不由本站分发。每一条目说明数据来自哪里、哪篇论文使用、在第几页。

数据集

Jensen–Kelly–Pedersen 特征库

153 个美国股票特征，分为 13 个主题，由 Jensen、Kelly 与 Pedersen 基于 CRSP 与 Compustat 构建。个股层面的文件在 WRDS（contrib.global_factor）；因子收益与代码在 jkpfactors.com。这一特征库是《特征库》（第 II.A 节，第 7 页）与《解读定价误差》（第 3.1 节，第 8 页）的估计面板。《特征空间度量》只用一个按此定义构建的面板（1962 年 1 月至 2025 年 12 月）来校准模拟（第 8.1 节，第 30 页；表 I，第 31 页）。《特征几何》把同一特征库仅用作描述性对照：36,621 家公司、768 个月（幻灯片第 26 页）。

引用：Jensen, T. I., B. Kelly and L. H. Pedersen (2023). “Is There a Replication Crisis in Finance?” Journal of Finance 78(5), 2465–2518. doi:10.1111/jofi.13249

CRSP 与 Compustat（沿用 Kelly、Pruitt 与 Su，2019）

证券价格研究中心（CRSP）的月度股票收益与 S&P Global Compustat 的公司财务数据，均通过 WRDS 获取。《几何框架》构建面板时，沿用了提出工具化主成分分析（IPCA）那篇论文的复制数据集，以及该数据集的时间对齐与秩变换约定（第 6.1 节，第 26–27 页）。IPCA 即由特征决定每只股票随共同驱动因素变动强弱的因子模型。该面板含 36 个特征加一个常数项（L = 37），覆盖 1964 年 7 月至 2014 年 5 月共 599 个月、12,813 家公司。表 6（第 32 页）给出每个特征对应的 WRDS/Neuhierl 变量代码。《特征库》保留 CRSP 证券代码，并从 crsp.dsf_v2 取日成交金额做容量测算（第 7、10 页）。

引用：Center for Research in Security Prices, University of Chicago Booth School of Business; S&P Global Compustat; both via Wharton Research Data Services. Kelly, B. T., S. Pruitt and Y. Su (2019). “Characteristics Are Covariances: A Unified Model of Risk and Return.” Journal of Financial Economics 134(3), 501–524. doi:10.1016/j.jfineco.2019.05.001

Fama–French 因子与组合

Kenneth R. French 数据库提供的月度因子收益、无风险利率，以及 25 个分组组合的收益。《特征几何》把五个因子用作可观测因子（幻灯片第 4 页）。《特征库》使用六个因子与 French 融资利率，并以 75 个市值加权组合作为固定检验资产（第 10、14 页）。

引用：Fama, E. F. and K. R. French (1993). “Common Risk Factors in the Returns on Stocks and Bonds.” Journal of Financial Economics 33(1), 3–56. doi:10.1016/0304-405X(93)90023-5. Fama, E. F. and K. R. French (2015). “A Five-Factor Asset Pricing Model.” Journal of Financial Economics 116(1), 1–22. doi:10.1016/j.jfineco.2014.10.010

NBER 衰退日期

NBER 商业周期测定委员会公布的美国经济周期峰谷月份。仅用作阴影背景：《特征几何》（幻灯片第 7、11、24 页）以及本站《特征几何》图 2 和图 3。

引用：National Bureau of Economic Research. “US Business Cycle Expansions and Contractions.”

本站数据

本站每张取自研究结果的交互图各加载 /data/ 下的一个 JSON 文件。这些文件由本站公开代码仓库中的一个 Python 流程，从各论文的研究发布包（首页图 1 则来自作者的研究统计表）生成，只含汇总结果；这些来源均未公开。每个文件在每次发布前都与重新生成的版本核对，其 meta 块记录来源。

文件 图 来源
hero_overlap.json 首页图 1 作者基于 153 个特征的 Jensen–Kelly–Pedersen 特征库计算的描述性统计表（20 年窗口）；不取自本站任何一篇论文
hero_geometry.json 无图；保留用于《特征几何》尺子统计量 《特征几何》发布包 2026-09-09
portfolio_formation.json 《特征几何》图 3 同一发布包
csm_coverage.json 《特征空间度量》图 2 存档的模拟证据（表 II、图 2）
jmp_cost_sensitivity.json 《特征库》图 2 结果包 r3（图 3、表 IV）
pe_specifications.json 《解读定价误差》图 3 工作论文，表 G.1

代码

《特征几何》的 618 个滚动窗口由合并发布为 NA-IPCA v1.2.0 的两个 Python 包 naipca 与 gcde 估计；其中的 IPCA 与 QZ-IPCA 对照模型通过单独的 QZ-IPCA 基准包（v1.0.1）运行。《几何框架》与《特征空间度量》发展的正是这一 NA-IPCA 模型家族的理论，由同一套软件包实现。《解读定价误差》估计的是基于特征的潜在因子模型，模型带有截距（基准为三个因子；第 3.2 节，第 9 页），并以岭回归作为对照（第 8 页）；潜在因子与截距的含义见下文“模型家族”一节。《特征库》运行四种调参后的岭类组合方法，其中的通用组合收缩（UPSA，Universal Portfolio Shrinkage）采用方法原作者的公开实现（universal-upsa 0.2.0，MIT 许可；第 11 页；参考文献，第 22 页），另有 IPCA 拟合（附录 G，第 40–41 页）与一个直方图梯度提升的对照基准（第 V.B 节，第 16 页）。《特征库》（附录 L，第 44 页）与《特征空间度量》（第 38 页）各自附有复制材料，与工具包分开。

模型家族

每个模型最多有三块：潜在因子（模型从数据中推断的共同驱动因素）、可观测因子与截距（本模型中没有被任何因子解释的那部分预期收益）。三个模型的区别在于用哪把尺子衡量，以及如何处理截距。

模型 尺子 截距 新增内容
IPCA（Kelly、Pruitt 与 Su，2019） 普通尺子（欧氏度量） 可选，无上限 基准模型：由特征决定每只股票随共同驱动因素变动的强弱
QZ-IPCA 特征尺子 Q_Z，预先估计，例如 Q_Z 的指数加权移动平均（EWMA）版本 无 同一模型改用特征尺子衡量
NA-IPCA 特征尺子 Q_Z，预先估计 联合估计，受上限 \Gamma_\alpha' Q_Z \Gamma_\alpha \le \delta 约束 把截距作为第三块；名称中的“无套利”（NA）即指这一上限（在《特征几何》各窗口中均未触及）

两个软件包

naipca 用投影交替最小二乘估计 NA-IPCA：轮流求解因子与各载荷块（载荷即股票随各因子变动的强弱），再把载荷投影回约束集，反复交替，直到对特征管理组合收益的拟合不再改善为止。它在读入时校验传入的尺子，无效则拒绝而不修补；若尺子有效但条件数过差，求解器会把它与按迹缩放的单位矩阵混合，混合比例取能完成分解的最小值，并把该比例（QZ.lambda）写入审计记录。缺失观测通过可用性掩码进入，绝不插补。

gcde（几何构建与诊断引擎）从逐月格拉姆矩阵构建特征尺子并给出报告：37 种已登记的构建方法（含参数别名），分六类（基准、收缩、特征值修复、自适应条件数控制、低秩、滚动或指数加权）。另有三个诊断模块（谱、子空间、动态）与四个校验标签（STABLE、WATCH、HIGH_ANISOTROPY、FAIL_NOT_SPD）。因为构建与估计是两个独立的程序，每次运行都记录用了哪把尺子、怎样构建、取自哪个窗口。没有任何一种构建被认证为最优：尺子是一种度量约定。

校验与可复现性

校验。30 个回归测试用例全部与作者持有的另一套 MATLAB 参照实现一致，最大绝对差为 2.97 × 10⁻¹⁴。求解器按设计拒绝了全部 5 个无效尺子。求解器没有任何随机成分，所以输入相同，输出逐位相同。默认参数附有配置冻结证书，从不就地重新调参。每次拟合都附带审计记录：初始化来源、尺子、数据集与配置的 SHA-256 指纹、稳定化混合比例、收敛情况与运行时间。发布文件以 SHA-256 锁定，《特征几何》背后 618 个估计窗口的每一个都记录了发布文件的哈希值；申请者随认证材料获得这些哈希值。

滚动估计

滚动、扩展与在线估计是同一个循环：上一窗口的结果就是下一窗口的热启动。一个带版本号的状态对象（NAIPCAState）携带载荷、指纹与谱系；维数或因子个数不匹配的热启动会被拒绝。工具包随附的基准测试是一个小型合成设计：6 个重叠窗口（60 只股票、10 个特征、每窗 36 个月）。在该测试中，就第一个窗口之后的各窗口合计而言，热启动使求解器迭代次数减少约 55%，运行速度约为冷启动的 2.2 倍。有一个窗口热启动反而慢于冷启动。同一窗口重新拟合由 14 次迭代降至 2 次。

如何使用

  1. 由秩变换后的特征构建逐月格拉姆矩阵。
  2. 用 gcde 构建尺子（生产默认取其平均；《特征几何》用 EWMA 版本），查看诊断。
  3. 用 naipca 拟合：传入数据映射、尺子、潜在因子与可观测因子的个数，以及截距上限；读取 diagnostics_summary。
  4. 用 warm_start 逐窗口滚动，保存每个窗口的审计记录。
from naipca import fit_naipca, load_frozen_config, diagnostics_summary

# D: data mapping; Q: characteristic geometry from the GCDE toolkit
config = load_frozen_config(overrides={"max_outer": 1000, "tol_outer": 1e-6})
result = fit_naipca(D, geometry={"Q": Q, "method": "raw_mean_w"},
                    K_lat=3, K_obs=5, delta=0.05, opts=config.options)
print(diagnostics_summary(result))

工具包 README 中的快速上手示例（英文原文）。K_lat、K_obs：潜在因子与可观测因子的个数；delta：截距可承载内容的上限。

获取方式

可应要求提供。论文尚未发表，源代码与 wheel 安装包不公开发布。学术用户可发送电子邮件至 yang.liu19@imperial.ac.uk 申请，请注明姓名、单位与用途。申请者将获得冻结的 v1.2.0 发布包：naipca 与 gcde 的 wheel 包及 SHA-256 校验文件、认证材料（发布证书与配置冻结证书、MATLAB 一致性与热启动测试日志、发布文件哈希）、无需专有数据即可运行的示例，以及生产估计脚本与一个窗口的审计样本；需授权使用的特征面板不在其中。请引用：Liu, M. (2026). NA-IPCA: Geometry-Aware Characteristic-Based Asset Pricing (QZ-IPCA and NA-IPCA toolkits), version 1.2.0.

手册与许可

《NA-IPCA 手册》（The NA-IPCA Handbook，草稿 4.1 版，2026 年 7 月，189 页；不随发布包提供）涵盖记号、尺子构建与选择、估计算法、选项、诊断、排错，以及一套实践决策流程。许可：NA-IPCA Academic Research License v1.0（2026 年 7 月），学术研究、教学、复制与基准比较可免费使用，须注明引用；商业使用、再分发与衍生工具包须取得书面许可；修改后的副本不得冒充认证版本。

使用许可

页面文字与本站 JSON 数据文件：CC BY 4.0。工具包由作者依 NA-IPCA Academic Research License v1.0 授权，不在本许可范围内。（查看许可协议）