此外，我们使用coskewness和cokurtotis度量，以及Fama和French（1993）使用的规模、账面市值和动量因子。为了研究我们新提出的风险度量是否会被文献中早期提出的其他风险决定因素所淘汰，我们在之前的回归中将这些风险作为控制变量。首先，我们关注Farago和T’edongap（2018）提出的GDA5模型，因为这些是与我们最密切相关的风险。它包含尾部市场风险的两个衡量指标以及极端波动性风险的两个衡量指标，但侧重于下行相关性的各种规格，没有考虑风险的频率方面。基于这些相互竞争的衡量标准，我们比较了与市场回报率和市场波动率分别递增相关的风险衡量标准。该分析的目的是确定哪些风险度量更好地捕捉与风险溢价相关的极端风险的概念。相应BETA的详细说明见附录E。表4报告了我们为GDA5风险控制的分位数光谱风险的风险溢价。对于左面板中显示的尾部市场风险，我们发现GDA5风险度量（λDandλW D）并没有排除我们对τ的任何值的度量，并且在我们纳入TR度量时仍然很重要。此外，与TR Beta相对应的风险价格模式与TR和完整模型规范中的风险价格模式相同。这清楚地表明，我们的措施捕捉到了资产横截面中定价风险的不对称特征。在极端波动性风险的情况下，我们从表4的右侧面板中看到，情况类似。特别是，分位数较高时，长期EVRβ的风险价格保持显著强劲。此外，短期EVRβ是τ值较低的重要预测因子。

另一方面，GDA5对波动性风险的衡量在所有情况下都不显著。所有结果表明，我们的模型在识别资产收益横截面中定价的不对称风险形式方面有所改进。从这些结果中，我们可以推断，我们的QS度量可能会提供其他风险度量无法获取的额外信息。为了进一步研究这一假设，我们在图5中展示了我们的QS度量与所有其他高度讨论的资产定价风险度量的相关结构。有关其规格的详细信息包含在Applendix E中。我们绘制了它们与QS测量值之间关于阈值分位数的依赖关系。一般来说，我们的测量结果与极左尾和长视野中的coskewness、cokurtosis和市场beta（使用FF3规范计算）具有最高的相关性，而与短视野中极左尾的下行风险测量结果具有较高的相关性。这表明，下行风险度量可以捕捉短期风险，而基于时刻的风险度量与长期的极端波动性更相关。虽然在少数情况下，相关性的绝对值超过0.5，但所有值均远低于1，这表明有关风险的潜在重要额外信息。接下来，我们检查这些度量是否可以在横截面估计中排除我们的QS度量。表5报告了Coskewness和cokurtosis风险控制的风险价格结果。我们首先将Coskeewness纳入我们的完整模型，并检查它是否能够消除我们的风险度量。我们可以看到，虽然coskeness很重要，但它并没有排除我们的QS度量，这与之前的模型规格遵循相同的模式。

表5还报告了右图中的赛马回归，包括共峰度。我们观察到，当共峰度包含在我们的完整模型中时，它不会带来任何新的解释信息，因为相应的共峰度估计系数对所有规格都不重要。此外，表6报告了两种规格相对较低β的对照结果。在左面板中，我们报告了Ang等人（2006）的下行风险说明结果。我们观察到，当包含在我们的完整模型规范中时，下行风险β并没有捕获任何额外的重要风险维度。Lettau等人（2014）的下行风险模型也是如此，如右图5所示：与其他风险度量的相关性。曲线图显示1926年7月至2015年12月期间，使用CRSP数据库的资产定价文献中广泛使用的QS与各种其他风险度量之间的相关性。给出的结果是根据我们最大的样本计算的，即使用至少有50年历史的股票。

长周期由对应于3年周期和更长周期的频率给出。0.05 0.10 0.15 0.20 0.25-0.5 0.0 0.5 1.0短QS相对TRβ（τ）τ相关性βDR1βDR2βDβWDCSKCKTβMKTβSMBβHML0.05 0.10 0.15 0.20 0.25-0.5 0.0 0.5 1.0长QS相对TRβ（τ）τ相关性βDR1βDR2βDβWDCSKCKTβMKTβSMBβHML0.05 0.10 0.15 0.20 0.25-0.5 0.0 0.5 1.0短QS EVRβ（τ）τ相关性βDR1βDR2βDβWDCSKCKTβMKTβSMBβHML0.05 0.10 0.15 0.20 0.25-0.5 0.0 0.5 1.0长QS EVRβ（τ）τ相关性βDR1βDR2βDβWDCSKCKTβMKTβSMBβHMLpanel。最后，表7报告了回归，包括来自Fama和French三因素模型（1993）的额外Beta。该模型与市场或波动性风险的不对称特征没有明确关系，但正如我们在第3节中所示，这些因素可能只是在市场和资产回报联合分布的特定部分捕捉不同视野中的市场风险，因此我们应该检查它们在描述此类风险方面是否优于其他因素。与其他赛马回归的情况一样，额外的风险因素并不能排除QS指标，QS指标在没有额外变量的情况下重复相同的模式。D不同的长期定义-1.5年我们只需包括2个额外的beta，因为市场beta已经包含在我们的完整模型中。表7：受Fama和Macbeth（1973）因子控制的TR、EVR和完整模型的估计系数。显示的是完整模型的风险价格，还包括法玛和法国的HMLand SMB betas（1993）。我们在1926年7月至2015年12月期间使用CRSP数据库。根据τ给出的各种阈值估计模型。我们使用了3个不同最低年限的样本。长周期由对应于3年周期和更长周期的频率给出。