Tengo dos carteras, una "mala" y otra "buena".
Construyo las carteras tomando cada año la media de los rendimientos mensuales en función de algunos criterios. En una cartera determinada puede haber entre 150 y 500 empresas (según el año). Actualizo la cartera anualmente basándome en los criterios y paso los resultados por un modelo Fama French a lo largo de 158 meses.
Mis observaciones son las siguientes la cartera mala la intercepción no es significativa y, por tanto, no tiene alfa (que es lo que esperaba).
La cartera mala
Call:
lm(formula = R_excess ~ Mkt_Rf + SMB + HML, data = .)
Residuals:
Min 1Q Median 3Q Max
-3.0599 -0.9060 -0.1252 0.7183 6.1812
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.12280 0.11987 1.024 0.307232
Mkt_Rf 1.01738 0.03114 32.675 < 0.0000000000000002 ***
SMB 0.81318 0.06017 13.514 < 0.0000000000000002 ***
HML 0.20162 0.05227 3.857 0.000168 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.485 on 154 degrees of freedom
Multiple R-squared: 0.9302, Adjusted R-squared: 0.9288
F-statistic: 684 on 3 and 154 DF, p-value: < 0.00000000000000022
La segunda cartera tiene un intercepto significativo y un alfa de 0,33 puntos básicos al mes. Los R2 de ambas regresiones parecen razonables, ya que tengo muchas empresas en la cartera. La cartera 2 está ligeramente menos correlacionada con el mercado, con un Mkt_Rf de 0,95824.
Teniendo en cuenta los resultados, ¿qué más debería mirar? ¿Puede ver alguna bandera roja basada en la información que he dicho?
Parecen un poco "demasiado buenos para ser verdad", pero he tenido cuidado en cada paso.
La buena cartera
Call:
lm(formula = R_excess ~ Mkt_Rf + SMB + HML, data = .)
Residuals:
Min 1Q Median 3Q Max
-4.6116 -0.7663 0.0756 0.7980 7.4092
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.33116 0.10487 3.158 0.00191 **
Mkt_Rf 0.95824 0.02724 35.175 < 0.0000000000000002 ***
SMB 0.66303 0.05265 12.594 < 0.0000000000000002 ***
HML 0.31563 0.04574 6.901 0.000000000126 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.299 on 154 degrees of freedom
Multiple R-squared: 0.9374, Adjusted R-squared: 0.9362
F-statistic: 769 on 3 and 154 DF, p-value: < 0.00000000000000022
0 votos
Me gustaría darle una respuesta, pero antes dígame si está interesado en un escenario real de negociación o si sus resultados son fruto de una investigación académica. Entonces... ¿es usted comerciante o investigador académico?
0 votos
En realidad, ¡estudiante de doctorado! Estoy siguiendo algunos artículos en los que los autores crean quintiles de carteras basándose en algunos criterios y el quintil 1 es la cartera "mala" y el quintil 5 es la cartera "buena". Luego construyen una cartera adicional "larga/corta" en la que ponen larga la cartera 5 y corta la cartera 1, e informan de sus resultados de regresión para los 6 escenarios de cartera. Me gustaría saber cómo construir correctamente esta cartera "larga/corta".
0 votos
En realidad no creo que mi investigación sea una estrategia de trading decente... Sólo quiero demostrar que las empresas funcionan (como colectivo) mejor cuando X' sucede en contraposición a X''.
0 votos
Acabo de darme cuenta de que pensaba que estabas respondiendo a otra pregunta que tenía sobre las carteras Fama French aquí: quant.stackexchange.com/questions/49146/