PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2010 | 235 Multivariate Statistical Analysis | 247--262
Tytuł artykułu

The Multidimensional Weighted Ultrastructural Model in the Cross-section of Expected Stock Returns

Treść / Zawartość
Warianty tytułu
Wielowymiarowy ultrastrukturalny model w badaniu przekrojowych stóp zwrotu
Języki publikacji
EN
Abstrakty
W badaniach empirycznych modelu CAPM (Capital Asset Pricing Model) lub jego wielowymiarowej wersji IACPM (Intemporal Capital Asset Pricing Model) testy sprawdzające poprawność modelu są dwuetapowe. Pierwszy etap to szacowanie regresji czasowych, z których estymatory wyznaczone metodą sumy najmniejszych kwadratów są zmiennymi niezależnymi dla etapu drugiego, gdzie bada się istotność parametrów regresji przekrojowej. W testowaniu istotności parametrów regresji przekrojowej pojawia się problem istnienia błędu w zmiennych objaśniających. Bez dodatkowych założeń o wariancjach tych błędów model taki jest nieidentyfikowalny. W praktyce, najczęściej wprowadza się założenia o znajomości pewnych parametrów rozkładu zaburzeń błędów, o których zakłada się normalność lub stosuje się zabieg zminimalizowania błędu w zmiennych objaśniających. Podejścia takie doskonale spełniają swoją rolę w przypadku badania dużych rynków. W przypadku badania empirycznego Warszawskiej Giełdy Papierów Wartościowych błąd w zmiennych objaśniających nie powinien być zaniedbywany. W pracy przedstawiono wielowymiarową wersję modelu ultrastrukturalnego, w którym w nieskorelowanych czynników jest obarczonych błędem obserwacji, które są niezależnymi zmiennymi losowymi o rozkładzie normalnym. Założono, że nieznane wariancje zależą od parametru i oraz nie zależą od parametru t. Dla rozwiązania problemu nieidentyfikowalności zastosowano replikację wszystkich zmiennych zależnych i niezależnej. Do wyznaczenia nieznanych wielkości zastosowano metod największej wiarogodności oraz wykazano zgodność względem czasu T. Prezentowane podejście może by używane do testowania istotności nieznanych parametrów modelu ICAPM. (abstrakt oryginalny)
EN
In the testing of CAPM and ICAPM models the problem of errors-in-variable is appears. To omit this problem some assumption about the relation between the random error variances of the model from which we estimate market beta and of the model from which we estimate risk premium was done. In this paper, we present weighted ultrastructural model, where the consistency of unknown parameters are discussed. The model where the replications dependent and independent variables allow us to calculate consistent estimators is considered. The unknown variances are dependent on portfolio numbers i and independent on time t. Moreover, for each factor, the possibility of the risk disturbance with variances dependent on i is permitted. We accept the assumption of variances of errors of the cross sectional model dependent on portfolio index, but we introduce homoscedastic errors indexed by time. In this linear functional relationship using the maximum likelihood method the consistent estimators of unknown parameters and significance tests are calculated. This model can be use to testing of ICAPM parameter signification. (original abstract)
Twórcy
  • AGH University of Science and Technology Kraków, Poland
Bibliografia
  • Amemiya Y., Fuller W.A. (1984). Estimation for the Multivariate Errors-in-Variables Model with Estimated Error Covariance Matrix The Annals of Statistics, 12, 497-509.
  • Bunke O., Bunke H., 1989), Non-Linear Regression, Functional Relationships and Robust Methods New York: Wiley.
  • Burmeister E., McElroy B., (1988), Arbitrage Pricing Theory as a Restricted Nonlinear Multivariate Regression Model Journal of Business and Economic Statistics. 6, 29-42.
  • Chan N.N., Mak T.K., (1984), Heteroscedastic Errors in a Linear Functional Relationship, Biometrika, 71, 212-215.
  • Chen R, Kan R., (2004). Finite sample analysis of two-pass cross-sectional regressions, Working Paper, University of Toronto.
  • Cochrane J., (2001), Asset Pricing Princeton University Press, Princeton, New Jersey.
  • Cox N.R., (1976). The linear structural relation for several group of data, Biometrika 63, 231-23?.
  • Dolby, G. R., (1976), The ultrastructural relation a synthesis of the functional and structural relations, Biometrika, 63, 39-50.
  • Fisher L., (1966), Some new stock-market indexes Journal of Business, 39, 191-225.
  • Fuller W. A., (1987), Measurement Error Models, New York: Willey.
  • Gibbons M., (1982). Multivariate tests of financial models: A new approach, Journal of Financial Economics, 10, 3-27.
  • Gleser L.Y., (1981), Estimation in a Multivariate "Errors in Variables" Regression Model: Large Sample Results, The Annals of Statistics, 9, 24-44.
  • Hansen L.P. (1982), Large Sample Properties of Generalized Method of Moments Estimators, Econometrica, 50, 1029-1054.
  • Isogawa Y. (1985), Estimating a Multivariate Linear Structural Relationship with Replication, Journal of the Royal Statistical Society. Series B (Methodological), 47, 211-215.
  • Jinadasa K.G., Tracy D.S. (1990), Multivariate linear ultrastructural relationships model, Comm. Statist. Theory Methods, 19, 805-814.
  • Jagannathan R., Wang Z. (1998), A asymptotic theory for estimating beta-pricing models using cross-sectional regression, Journal of Finance 57, 2337-2367.
  • Kendall M.G., Stuart A. (1979), The Advanced Theory of Statistics vol. 2, London: Griffin.
  • Kim D. (1995), The Errors in the Variables Problem in the Cross-Section of Expected Stock Returns, Journal of Finance, 50, 1605-1634.
  • Morton R. (1993). Ultrastructural Relationship and Canonical Variates Analysis, Biometrika, 80, 915-918.
  • Reiersol O. (1950), Identifiability of linear relation between variables which are subject to error, Econometrica, 18, 575-589.
  • Shalabh (2003), Consistent estimation of coefficient in measurement error models with replicated observations, Journal of Multivariate Analysis, 86, 227-241.
  • Shanken J. (1992). On the Estimation of Beta-Pricing Models, The Review of Financial Studies, 5, 1-33.
  • Shanken J., Zhou G. (2007), Estimating and Testing Beta Pricing Models: Alternative Methods and their Performance in Simulations, Journal of Financial Economis, 84, 40-86.
  • Sharpe W. F. (1964), Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk Journal of Finance, 19, 425-442.
Typ dokumentu
Bibliografia
Identyfikatory
DOI
Identyfikator YADDA
bwmeta1.element.ekon-element-000169687779

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.