2 votos

Regresión transversal Fama MacBeth

Estoy profundamente confundido en este momento y espero que alguien pueda ayudarme un poco. Quiero replicar parte de un documento de Fama/French (2008), Disección de anomalías En concreto, el cuadro IV "Pendientes medias y t-estadísticas de las regresiones mensuales de sección cruzada, julio de 1963-diciembre de 2005".

Dicen que son las pendientes medias de las regresiones transversales mensuales y la referencia Fama/MacBeth (1973) :

Para responder a esta pregunta utilizamos el enfoque de regresión de sección cruzada de Fama y MacBeth (1973)

pero pensé que el enfoque de FM era un enfoque de dos pasos: En primer lugar, la regresión de la serie temporal de cada acción para obtener las cargas de los factores, en segundo lugar una regresión transversal mensual para obtener las primas que luego se promedian. Pero aquí no lo entiendo. Ellos dicen:

Las variables utilizadas para predecir los rendimientos de julio de t a junio de $t+1$ son: MC, el logaritmo natural de la capitalización bursátil en junio de $t$ (en millones)..,

pero ¿qué pongo exactamente en la variable MC para las regresiones transversales? Cada empresa tiene su propia capitalización de mercado en junio, su propia relación libro-mercado, etc. ¿Podría alguien aclararme esto?

EDITAR:

Para que quede más claro, suponiendo que tengo los rendimientos, el valor de mercado y los devengos de tres acciones durante tres meses (asumo que mis devengos y el valor de mercado cambian mensualmente, para simplificar), ¿hago lo siguiente? Para cada acción, hago una regresión de series temporales

$$Ret_{it} = \beta_1 MV + \beta_2 Accruals + a_{it}$$

Ahora tengo tres estimaciones para \beta_1 y \beta_2. En el segundo paso hago tres veces (para cada uno de los tres meses) una regresión transversal

$$Ret_{it} = \beta_{1;i} \lambda_{MV} + \beta_{2;i} \lambda_{Accruals}$$

Ahora tengo tres estimaciones para las primas de los dos factores $\lambda_{MV}$ y $\lambda_{Accruals}$ y hacer la media de ellos para obtener mis primas de factor final?

6voto

user29318 Puntos 11

Preliminar

El resultado principal del procedimiento Fama-MacBeth es calcular los errores estándar que corrigen la correlación transversal en un panel. Es un método comúnmente utilizado debido a su facilidad de enfoque, y con respecto a la época en que fue desarrollado (1973), las técnicas modernas como los errores estándar robustos agrupados aún no se habían inventado. En este contexto, era una técnica conveniente que permitía cambiar las betas a lo largo del tiempo, algo que una única regresión transversal incondicional o una prueba de regresión de series temporales no pueden manejar fácilmente.

Regresión Fama-MacBeth

En la aplicación original de su documento de 1973, Fama-MacBeth realizan la siguiente regresión transversal en cada periodo de tiempo: $$R_{t}^{ei}= \beta_{i}^{'}\lambda_t+a_{it}$$

donde $R_{t}^{ei}$ es el exceso de rentabilidad del activo $i$ en el momento $t$ y $\beta_{i}^{'}$ denota el factor beta estimado de la acción. El primer paso que ha descrito es la estimación de series temporales de $\beta_{i}^{'}$ . Lo que sigue es la estimación de la prima de riesgo de beta, es decir, la pendiente $\lambda_t$ (ver este excelente respuesta para más detalles).

Sugieren que podemos estimar $\lambda$ y $a_{it}$ como la media de las estimaciones de la regresión transversal, $$\hat{\lambda} = \frac{1}{T} \sum_{t=1}^{T}{\hat{\lambda}}_t$$ $$\hat{a}_i = \frac{1}{T} \sum_{t=1}^{T}{\hat{a}}_{it}$$

pero lo más importante sugieren que utilicemos el desviaciones estándar de las estimaciones de la regresión transversal para generar los errores de muestreo de estas estimaciones, $$\sigma^2(\hat{\lambda}) = \frac{1}{T^2} \sum_{t=1}^{T}{\left( \hat{\lambda}_t - \hat{\lambda} \right)^2}$$ $$\sigma^2(\hat{a}_i) = \frac{1}{T^2} \sum_{t=1}^{T}{\left( \hat{a}_{it} - \hat{a}_i \right)^2} $$

Cochrane (2005) afirma:

El error de muestreo se refiere a cómo variaría una estadística de una muestra a otra si repitiéramos las observaciones. No podemos hacerlo con una sola muestra, pero por qué no cortar la muestra por la mitad [ ]. El procedimiento Fama-MacBeth lleva esta idea a su conclusión lógica, utilizando la variación de la estadística $\hat{\lambda}_t$ a lo largo del tiempo para deducir su variación entre muestras.

Su enfoque

Usted menciona

Cada empresa tiene su propia capitalización de mercado en junio, su propia relación libro-mercado, etc.

que es correcto, al igual que cada acción tiene su propia estimación para $\hat{\beta}_i$ . Además de la variable del impulso de una acción (que se actualiza cada mes), cada variable se mide a finales de junio del año $t$ . A continuación, hay que ejecutar la regresión anterior (¡de forma multivariante!), donde $\beta_{i}^{'}$ se sustituye por las variables únicas capitalización de mercado,..., para julio del año $t$ hasta finales de junio en $t+1$ . De hecho, para esta regresión, sólo se actualiza la variable de vista izquierda de un exceso de rentabilidad de las acciones (mensual).

Para que quede claro: se hace coincidir la rentabilidad mensual de las acciones con las variables medidas a finales del mes anterior (por ejemplo, la rentabilidad mensual de julio con la capitalización bursátil, etc. a finales de junio).

En junio de $t+1$ , se actualizan las variables de la derecha y se continúa con todo el periodo de tiempo, lo que finalmente da la serie temporal mensual completa de las pendientes de cada variable.

EDITAR

Basándome en su pregunta editada, permítame señalar cuidadosamente el procedimiento Fama-MacBeth:

La regresión preliminar de series temporales en su documento de 1973 se ejecuta para obtener las estimaciones $\beta_i$ para cada acción. Esto es necesario, ya que no se pueden observar directamente los factores beta, y su cálculo se basa en una regresión de series temporales.

En su ejemplo, usted ya tienen valores observados para sus variables de interés (MV, devengo,...). Por lo tanto, usted pasa directamente a las regresiones mensuales de corte transversal. Basándose en su artículo citado, puede utilizar el mismo valor para el VM, etc. medido a finales de junio del año $t$ para todo el año siguiente hasta finales de junio en $t+1$ . Para cada regresión mensual, se observan las pendientes $\lambda_{it}$ donde se puede calcular la media de la serie temporal y los errores estándar con las fórmulas anteriores.


Referencias:

Cochrane (2005), Precios de los activos edición revisada, cap. 12.3.

1 votos

Muchas gracias por esta respuesta: para que quede claro: ¿en las regresiones transversales mi beta(i) se sustituye por mis valores de mercado de las respectivas empresas? Entonces, ¿por qué hago la primera regresión de series temporales en primer lugar? Creía que en la regresión transversal ponía las cargas de los factores que había obtenido de la primera regresión de series temporales para obtener las primas de los factores.

1 votos

Voy a editar mi post para dejar un poco más claro mi problema

1 votos

Muchas gracias, ahora por fin lo entiendo :)

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X