Con respecto a un estudio transversal de precios de activos (acciones), estoy probando si una variable puede explicar otra. Un enfoque común para hacer esto, es utilizar la técnica de la cartera de doble clasificación (clasificación de la variable a en carteras, luego dependiente de a - clasificación de b en la cartera). Este enfoque parece ser adecuado para este problema, si usted tiene una muestra grande para obtener una cantidad razonable de dispersión en sus variables de clasificación.
Otro enfoque que he visto en la literatura es crear factores de sus variables explicativas preferidas utilizando la metodología de factores de Fama French (HML, SML, etc.), luego ordenar sus carteras en la primera variable (la variable que le gustaría explicar) y ejecutar la regresión de series temporales de un modelo de tres factores de Fama French (o CAPM) aumentado con su nuevo factor.
Me pregunto si hay argumentos para realizar el segundo enfoque en lugar del primero. ¿Podrían estos enfoques complementarse entre sí?
