挑资产定价模型，有点像从一大桌食材里定菜谱：不只要决定用什么，还要决定怎么搭配。公司特征可能直接影响回报，也可能呈现弯曲的非线性关系，或只有与公司规模结合时才显出作用。规格选错，模型就可能漏掉真实关系，或把噪声当规律。S-LASSO（Specification LASSO）要同时解决这两件事：选特征，也选它们进入模型的方式。
它先把线性项、非线性项和两两交互项都列为候选，再分两步筛选。第一步使用 LASSO——通过惩罚把较弱的系数压到零；第二步使用 Adaptive Group LASSO，把代表某种函数形式或交互结构的一整组参数共同取舍。最值得注意的是，它不是只加入“公司规模×另一特征”这种简单乘积，而是允许两者形成更一般的双变量关系。
作者把方法用于含 102 个公司层面特征的数据，并称其样本内外表现优于论文采用的基准模型；不过现有材料未给出具体提升幅度。它的意义更偏向模型纪律：在高维特征与复杂交互之间，加上一层仍可解释的规格筛选。