El uso de la sección transversal del factor de modelo (BARRA tipo) devuelve en una serie de tiempo modelo de factor (Fama-tipo francés)?

Question

Esto puede ser visto como una pregunta para el debate anterior sobre el tiempo de la serie vs de sección transversal de los modelos de factores: Cual es el método para estimar el factor fundamental de los modelos es mejor, de corte transversal (no observables) de los factores o de series de tiempo (observable) factores?

Supongamos que utilizamos un corte transversal en el modelo de factor (por ejemplo, BARRA de modelo).

El uso transversal de las regresiones, estimamos que el puro factor de rentabilidad para cada periodo de tiempo (por la regresión de la rentabilidad de las acciones en la empresa de características, tales como el P/E).

Así obtenemos las series de tiempo de puro factor de rentabilidad.

Entonces, ¿es apropiado para la estimación de series de tiempo de regresión donde la rentabilidad de las acciones individuales (que también son utilizados en el desarrollo de la sección transversal del modelo) son regresión de puro factor de rentabilidad (que se calcula utilizando regresiones de corte transversal)?

Y si sí: 1) ¿cuáles son los econométrico implicaciones de este enfoque? Dado que las variables explicativas son también las estimaciones, podemos tener errores en las variables del problema. 2) Cómo las betas estimadas en el tiempo de la serie de regresiones comparar con el original del factor de exposición (es decir, la firma de características)?

Existen trabajos de investigación sobre estos temas?

Answer 1

Lo que describes suena como el reverso de una Fama-Macbeth de regresión. El original de la Fama-Macbeth enfoque estimado de rodadura regresiones de series de tiempo para obtener el CAPM beta y, a continuación, haciendo un corte transversal de regresión para la estimación de la sensibilidad general de la devuelve a la beta.

Si yo fuera a escribir lo que el modelo se parece, creo que estás hablando de algo como la siguiente $$y_{es}=\alpha_{i}+G_{es}F_{t}\beta_{i}+\varepsilon_{i} $$ donde $G$ son firmes características, $F$ son de la sección transversal del factor de estimaciones y $\beta$ son la serie de tiempo de las betas. Una cosa que destaca es que $F$ y $\beta$ sólo están identificados porque estamos hablando de un enfoque de dos pasos.

De improviso, no tengo conocimiento de que los papeles que adoptan el enfoque que usted describe. Yo estaría más preocupado acerca de algunos de los problemas con la Fama-Macbeth, como conseguir los errores estándar a la derecha. Para los errores en las variables del problema, no puedo decir seguro, pero mi impresión es que la mayoría de los datos de finanzas es amplio por lo que el error estándar en la sección transversal regresiones debe ser lo suficientemente bajo que no es un gran problema. Además, yo esperaría que las betas que está fuertemente correlacionada con el nivel medio de la firma de características a lo largo del tiempo.

Una mejor pregunta es por qué se quiere adoptar este enfoque. Mediante la firma de características significa que la exposición de cada una de las acciones para el factor de los cambios a lo largo del tiempo. Es más sensible que la serie de tiempo de la beta será.

Tiene más sentido para mí para hacer el cross-seccionales regresiones $$ y_{i}=\alpha+G_{i}F+\varepsilon_{i} $$ y obtener los residuos $$ \varepsilon_{i,t}=y_{i,t}-\alpha_{i}-G_{i,t}F_{i} $$ y, a continuación, hacer una serie de tiempo de regresión de los residuos contra los factores para ver si hay alguna persistente de la exposición $$ \varepsilon_{t}=\alpha_{t}+\beta F_{t}+\eta_{t} $$

Answer 2

Intuitivamente, creo que va a terminar con un promedio de beta durante el período. Esto es como hacer el panel de regresión para la primera ejecución de la sección transversal de regresión y, a continuación, el tiempo de ejecución de la serie de regresión.