Mean-variance theory with imprecise accounting information

در این مقاله، تأثیر اطلاعات حسابداری نامشخص برای انتخاب نمونه کارها به صورت معنی دار واریانس بررسی می شود. ما یک پلاتفورم نظری ارائه میدهیم که دقیقا مشخص می کند که خطاهای برگشت نادرست بر انتخاب نمونه انتخابی تاثیر می گذارند و بردار بهینه وزن را تغییر می دهند. ما نشان می دهیم که کوواریانس بین بازده واقعی و خطای بازگشت می تواند تا حدودی تاثیر اطلاعات کم کیفیت بر روی ماتریس واریانس کوواریانس را جبران کند. این در توافق با شواهد تجربی است که نشان می دهد که وزن نمونه های مطلوب به خطاهای تخمینی کمی در بازده مورد انتظار بسیار حساس است، اما با توجه به اشتباهات در برآوردهای واریانس برگشت، کمتر حساس هستند.