El trato con los Datos que Faltan cuando se Prueba el CAPM

Question

Pregunta

¿Cómo debo lidiar con los datos que faltan cuando se trata de poner a prueba el CAPM? En concreto, hay algunas acciones que son nuevos en las listas y/o retirados de la lista en cualquier momento. No quiero excluir a los activos para los cuales no tengo los datos completos porque esto sería crear una especie de sobreviviente de sesgo. Sé que CRSP proporciona exclusión de los rendimientos que se debe, pero ¿cómo puedo administrar los datos que faltan en la práctica? Por ejemplo, en el modelo sin restricciones, el procedimiento se parece a esto:

(Más detalles sobre el procedimiento que se dan a continuación.) Ahora, si yo quería tomar un montón de azar acciones en algún momento en el tiempo y ver en ellos a lo largo de un período de tiempo, ¿qué debo hacer con los valores ($Z_it$) de estas poblaciones que no están enumerados en el tiempo $t$. Debo usar la exclusión de la lista devuelve cuando corresponda y, a continuación, rellene los ceros en todas partes? Pero esto sería hacer cosas raras a la beta de las acciones. Debo tratar de limitar la beta (el factor de cargas) de las existencias es igual a cero en todos los lugares donde la población está en la lista? Esto requeriría de mí para cambiar el modelo (que requiere de un modelo que de alguna manera permite tiempo variando el factor de cargas). ¿Cómo las personas suelen manejar este problema? ¿Hay una manera fácil (incluso si es un poco más incorrecta)?

Algunos Detalles sobre el Procedimiento de Estimación

Por lo concreto, supongamos que yo quería probar el CAPM el uso de la serie de tiempo de regresión marco descrito en el capítulo 6 de Campbell, Lo y MacKinley (La Econometría de los Mercados Financieros). Algunos de los supuestos que se enumeran en esta imagen:

Answer 1

Más fácil de solucionar: si usted está preocupado acerca de lo que debe el valor de peso de sus resultados. Este es sugerir, por ejemplo, Kothari, Shanken y Sloan (1995). Las empresas que están excluidas de la comilla tienden a tener muy pequeña capitalización de mercado, el valor de ponderación les da muy poco impacto en las estadísticas de resumen. Retirado de la lista devuelve también debe ser utilizado, aunque no estoy seguro de cuánto impacto tendrá. He visto el retirado de la lista volver atascado en el mes después de un stock deja de ser comercializados.

En la búsqueda de $\beta$'s, tiendo a ver los resultados de la regresión se utiliza sólo en esas fechas para que las acciones que se observa. La corrección viene en realidad de valor de ponderación de las estadísticas de resumen después. Si todo esto es "correcto" o simplemente la práctica he visto que es algo que no estoy seguro acerca de.

Edit: he aquí una perspectiva diferente.

Answer 2

Mi sugerencia para usted, y esto es muy general técnica cuando usted no está seguro de qué método usar, es dejar de validación cruzada decirle qué método funciona mejor.

Me imagino que usted tiene un par de opciones:

• No incluye ninguna fila con falta de observaciones
• Asignar arbitraria de peso (en el caso de aquellos con el compuesto con el que se asumiera $\Omega$ matriz, y si usted está utilizando algún tipo de regresión no lineal para la estimación de $\hat{\Omega}$ entonces buena suerte)
• Uso significa la sustitución o algún otro marcador de posición de la estrategia de

Pero el problema fundamental es que usted no sabe cuáles son los factores que hizo que algunos datos no están disponibles, es que usted no sabe que $\text{Probabilidad}(\text{Falta})$, y usted cree que no es ruido blanco.

La mejor manera es dejar que la unidad de datos de sus resultados. Ejecutar todos estos métodos en el 80% de los datos, comprobar el error de predicción en el 20% restante y mezclar estos grupos a su alrededor, tomar la media del error de predicción y seleccione el método que proporciona el menor error de predicción.