رابطه تجربی ریسک و سوزش: یک رویکرد تحلیل عاملی

ادبیات تجربی موجود در رابطه با ریسک و سوزش از مقدار نسبتاً کمی از اطلاعات تهویه مطبوع برای الگوبرداری از میانگین مشروط و نوسانات شرطی بازده اضافی بورس استفاده می کند. ما از تجزیه و تحلیل عاملی پویا برای مجموعه داده های بزرگ ، برای خلاصه کردن مقدار زیادی از اطلاعات اقتصادی توسط چند عامل برآورد شده استفاده می کنیم ، و می دانیم که سه عامل جدید - "نوسانات" ، "حق بیمه" و "واقعی" - اطلاعات مهم در موردبازده و نوسانات اضافی یک چهارم و نوسانات موجود در متغیرهای پیش بینی کننده معمولاً استفاده نمی شود. مشخصات ما 16-20 ٪ از تغییرات یک چهارم را در بازده بازار سهام اضافی پیش بینی کرده و قدرت پیش بینی خارج از نمونه را پایدار و از نظر آماری معنی دار نشان می دهد. ما همچنین یک همبستگی مثبت و شفاهی را در معرض خطر قرار می دهیم.

معرفی

اقتصاددانان مالی مدتهاست که به رابطه تجربی بین میانگین مشروط و نوسانات مشروط بازده اضافی بازار سهام علاقه مند هستند ، که اغلب به عنوان رابطه ریسک و سوزش گفته می شود. رابطه ریسک و سوزش یک ماده مهم در انتخاب بهینه نمونه کارها است و برای توسعه مدلهای نظری با هدف توضیح الگوهای مشاهده شده از پیش بینی و نوسانات بازار سهام مهم است. در میان آن مدلهای نظری که در امور مالی به حامل های استاندارد تبدیل شده اند ، یک رابطه مثبت برای سوزش ، پیش بینی معیار است ، به طوری که زمان ریسک قابل پیش بینی بالاتر با زمان بازده بیش از حد قابل پیش بینی بالاتر است و برعکس. متأسفانه ، بدن شواهد تجربی در رابطه با خطر و سوزش مختلط و بی نتیجه است. برخی از شواهد از پیش بینی نظری از مبادله مثبت در معرض خطر و بازجویی حمایت می کنند ، اما شواهد دیگر حاکی از رابطه منفی قوی است. با این حال ، یک رشته سوم از ادبیات نشان می دهد که این رابطه ناپایدار است و در طول زمان متفاوت است. ما شواهد موجود را در زیر خلاصه می کنیم.

انتقادات متعددی از ادبیات تجربی موجود مربوط به مقدار نسبتاً کمی از اطلاعات تهویه مطبوع است که برای الگوبرداری از میانگین مشروط و نوسانات شرطی بازده اضافی بورس استفاده می شود. اول ، انتظارات مشروط در زیر میانگین و نوسانات مشروط به طور معمول به عنوان پیش بینی بر روی متغیرهای تهویه از پیش تعیین شده اندازه گیری می شود. اما ، همانطور که هاروی (2001) خاطرنشان می کند ، تصمیم در مورد اینکه متغیرهای تهویه از پیش تعیین شده برای استفاده در تجزیه و تحلیل اقتصاد سنجی می توانند بر رابطه برآورد خطر و سوزش تأثیر بگذارند. در عمل ، محققان مجبور می شوند از بین چند متغیر تهویه مطبوع انتخاب کنند زیرا تجزیه و تحلیل آماری معمولی با افزایش تعداد ، به سرعت در معرض مشکلات درجه آزادی قرار می گیرد. چنین محدودیت های عملی عنصری از خود را در مدل سازی اقتصاد سنجی انتظارات معرفی می کند و می تواند منجر به تعصب تخمین اطلاعاتی شود ، زیرا تعداد کمی از متغیرهای تهویه مطبوع بعید است که مجموعه اطلاعاتی از شرکت کنندگان در بازار مالی را به خود اختصاص دهد. اگر سرمایه گذاران اطلاعاتی در متغیرهای انتخابی انتخاب شده برای مدل سازی انتظارات بازار منعکس نشوند ، اقدامات میانگین و نوسانات مشروط مشروط به اشتباه و احتمالاً بسیار گمراه کننده می شود. این نکته توسط هانسن و ریچارد (1987) در زمینه تخمین و آزمایش مدل های قیمت گذاری دارایی پویا به زور بیان شد.

انتقاد دوم و مرتبط با ادبیات تجربی موجود این است که رابطه برآورد شده بین میانگین شرطی و نوسانات شرطی بازده اضافی اغلب به مدل پارامتری نوسانات بستگی دارد ، به عنوان مثال ، گارچ ، Egarch ، نوسانات تصادفی یا تخمین چگالی هسته (هاروی ، هاروی ، هاروی ،2001). چنین رویه هایی می تواند فرضیات پارامتری بالقوه محدود کننده را تحمیل کند و اغلب از یک مشکل نفرین از آینده رنج می برند که توانایی آنها در اسکان مجموعه داده های بزرگ اطلاعات تهویه را محدود می کند.

سرانجام ، اعتماد به تعداد کمی از متغیرهای تهویه مطبوع ، تجزیه و تحلیل های موجود را در معرض مشکلات بی ثباتی زمانی در روابط پیش بینی اساسی در حال مدل سازی قرار می دهد. به عنوان مثال ، مدل سازی انتظارات بازار از بازده سهام آینده با استفاده از مقادیر متناسب از رگرسیون پیش بینی کننده بازده در اندازه گیری نسبت سود سهام در بازار. یک مشکل با این رویکرد این است که قدرت پیش بینی کننده نسبت سود سهام برای بازده بیش از حد بازار سهام ناپایدار است و شواهد آماری از وقفه ساختاری در اواسط دهه 1990 را نشان می دهد (Lettau ، Ludvigson و Wachter ، 2005).

در این مقاله ، ما با استفاده از روش تجزیه و تحلیل عاملی پویا برای مجموعه داده های بزرگ ، یک راه حل برای این مشکلات را در نظر می گیریم. تحقیقات اخیر در مورد مدل های فاکتور پویا نشان می دهد که اطلاعات در تعداد زیادی از سری زمانی اقتصادی می تواند به طور مؤثر توسط تعداد نسبتاً کمی از عوامل تخمین زده شده خلاصه شود ، و این فرصت را برای بهره برداری از یک پایگاه اطلاعاتی بسیار غنی تر از آنچه در مطالعات تجربی قبلی امکان پذیر بوده استرابطه خطر و سوزشدر این روش ، "تعداد زیادی" می تواند به معنای صدها یا حتی بیش از یک هزار سری زمانی اقتصادی باشد. با خلاصه کردن اطلاعات از تعداد زیادی از سری در چند عامل تخمین زده شده ، ما اعتماد به نفس خودسرانه به تعداد کمی از پیش بینی کننده های اگزوژن را برای برآورد میانگین مشروط و مشروط از بازده سهام از بین می بریم و استفاده از مجموعه گسترده ای از مجموعه گسترده ای از مجموعه های گستردهمتغیرهای اقتصادی که احتمالاً مجموعه اطلاعات غیرقابل کنترل شرکت کنندگان در بازار مالی را شامل می شوند. به قول سهام و واتسون (2004) ، تحلیل عاملی پویا به ما این امکان را می دهد که ابعاد را از یک نفرین به یک نعمت تبدیل کنیم.

تجزیه و تحلیل عاملی پویا به ما امکان می دهد تا از محدودیت های تحلیل تجربی موجود در چندین جبهه فرار کنیم. اول ، اگر مقدار زیادی از اطلاعات را می توان به طور مؤثر توسط یک عامل مشترک نسبتاً کمی خلاصه کرد ، پس یک درمان طبیعی برای مشکل اطلاعاتی حذف شده ، تقویت لحظه های مشروط متناسب با عوامل تخمین زده شده است. ما این کار را در اینجا با درج عوامل برآورد شده در ساخت میانگین و نوسانات مناسب انجام می دهیم. دوم ، با ترکیب تجزیه و تحلیل عاملی پویا با یک رویکرد غیر پارامتری برای نوسانات مدل سازی - رویکردی که از این پس به عنوان نوسانات تحقق یافته ذکر شده است - ما از تکیه بر ساختارهای پارامتری بالقوه محدود کننده خودداری می کنیم و در عین حال بیمه می کنیم که اندازه گیری ما از نوسانات مشروط به طور مؤثر خلاصه ای از مقدار زیادی ازاطلاعاتی که می تواند برای پیش بینی واریانس بازار سهام مهم باشد. سوم ، شواهدی وجود دارد (در زیر مورد بحث قرار می گیرد) مبنی بر تجزیه و تحلیل عاملی پویا ، استحکام را در برابر بی ثباتی زمانی ایجاد می کند که اغلب رگرسیون پیش بینی پیش بینی پایین را گرفتار می کند. در واقع ، برنامه ما به نظر می رسد که از این شواهد پشتیبانی می کند ، زیرا روابط پیش بینی کننده فاکتور و پیش بینی شده ما با گذشت زمان به طرز چشمگیری پایدار است ، با وجود عدم ثبات زمانی مشاهده شده در بسیاری از متغیرهای پیش بینی کننده متداول در طول دوره نمونه ای که مطالعه می کنیم.

یک سؤال مهم از مطالعه ما میزان اضافه کردن عوامل متداول در مورد میانگین مشروط و نوسانات مشروط بازده سهام است که قبلاً در متغیرهای پیش بینی کننده معمولاً مورد استفاده قرار نمی گیرد. اگر از یک طرف متوجه شویم که این عوامل اطلاعات جدیدی را ارائه می دهند ، پس شواهدی داریم که برآوردهای قبلی از لحظات مشروط اشتباه شناخته می شوند و رابطه تخمین زده شده از سوختگی به طور بالقوه آلوده است. از طرف دیگر ، اگر متوجه شویم که اطلاعات ارائه شده توسط عوامل تا حد زیادی در متغیرهای پیش بینی کننده معمولاً مورد استفاده قرار می گیرد ، پس شواهدی داریم که احتمالاً تخمین های قبلی به خوبی مشخص شده اند. در هر صورت ، مطالعه ما با ارزیابی هر دو نقش بالقوه اطلاعات حذف شده در رابطه برآورد شده خطر ، سوزش و همچنین استحکام نتایج قبلی به شرط بندی در مجموعه اطلاعات غنی ، به ادبیات تجربی در رابطه با ریسک و سوزش کمک می کند.

ما عوامل مشترک را از دو مجموعه داده سه ماهه پس از جنگ با استفاده از روش اجزای اصلی تخمین می زنیم. اولین مجموعه داده شامل 209 شاخص اقتصاد کلان است. مجموعه داده دوم شامل 172 شاخص مالی است. در نتیجه بررسی این داده ها ، ما نتایج زیادی را به ویژه جالب می دانیم.

اول ، در مدل سازی میانگین مشروط بازده اضافی در بورس ، ما دو عامل مالی جدید را معرفی می کنیم که برای پیش بینی بازده بیش از حد سه ماهه در بازار سهام کل بسیار مهم هستند. با انجام این کار ، ما در ادامه بحث در مورد پیش بینی بازده بورس سهام کمک می کنیم. به عنوان مثال ، کمپبل و یوگو (2002) ، کمپبل و تامپسون (2005) ، گویال و ولچ (2004) و لولن (2004) را ببینید. اولین عامل مالی مربع اولین عامل مشترک داده های مجموعه ای است که از شاخص های مالی تشکیل شده است. این عامل تقریباً 80 درصد از تغییرات معاصر در بازده بورس سهام مربع را توضیح می دهد ، بنابراین ما آن را "عامل نوسانات" می نامیم. عامل دوم مالی سومین عامل مشترک از مجموعه داده های متشکل از شاخص های مالی است و با ترکیبی خطی از سه متغیر دولتی که به طور گسترده در ادبیات قیمت گذاری دارایی تجربی مورد استفاده قرار می گیرند ، برای توضیح تنوع مقطعی در حق ریسک بسیار ارتباط دارد. این متغیرهای دولتی بازده بازار و فاکتورهای Fama-French SMB T و HML T هستند (Fama and French ، 1993). بنابراین ، فاکتور دوم ما سری زمانی را با مقطع بازده بیش از حد بازده سهام متصل می کند. به همین دلیل ، ما این عامل دوم را "عامل حق بیمه خطر" می نامیم. هنگامی که فاکتورهای حق بیمه نوسانات و ریسک با متغیر مصرف-سلامت Cay t گنجانده شده است ، در جای دیگر برای پیش بینی بازده سهام سه ماهه یافت می شود (Lettau و Ludvigson ، 2001a) ، مدل آماری 16 ٪ از تغییر در یک چهارم را پیش بینی می کند. بازگشت بیش از حدعلاوه بر این ، دو عامل موجود در خودشان به طرز چشمگیری پایدار ، از نظر آماری به شدت قابل توجه قدرت پیش بینی خارج از نمونه برای بازده اضافی سه ماهه که بعد از سال 1995 در داده ها قوی ترین است ، دوره ای که در آن قدرت پیش بینی بسیاری از متغیرهای پیش بینی سنتی است. فوق العاده فقیر

دوم ، در مدل سازی نوسانات مشروط بازده اضافی بازار سهام ، ما یک عامل کلان اقتصادی را می یابیم که در صورت ترکیب با سایر متغیرهای پیش بینی کننده ، به ویژه برای پیش بینی نوسانات بورس سهام مفید است. این عامل اولین عامل مشترک از مجموعه داده های کلان اقتصادی است که به عنوان "عامل واقعی" شناخته می شود ، زیرا با اقدامات خروجی و اشتغال واقعی بسیار ارتباط دارد اما با قیمت ها ارتباط زیادی ندارد (سهام و واتسون ، 2002b).

سوم ، ما می یابیم که تمایز بین همبستگی مشروط (مشروط بر نوسانات میانگین و عقب مانده) و همبستگی بی قید و شرط بین بازده متوسط سهام مشروط و نوسانات مشروط آن برای درک رابطه تجربی ریسک و سوزش بسیار مهم است. این یافته مطابق با Brandt و Kang (2004) است که استدلال می کنند که این تمایز می تواند اختلاف نظر در ادبیات مربوط به همبستگی معاصر بین ریسک و بازگشت را توضیح دهد. بر خلاف برخی مطالعات قبلی ، با این حال (به عنوان مثال ، برانت و کانگ ، 2004 ، لتائو و لودویگسون ، 2003) ما یک همبستگی مشروط مثبت می یابیم که از نظر آماری بسیار معنی دار است ، در حالی که همبستگی بی قید و شرط ضعیف منفی و از نظر آماری ناچیز است. ما در اینجا نشان می دهیم که یافته های موجود در Lettau و Ludvigson (2003) را می توان به حذف نوسانات و عوامل حق بیمه خطر نسبت داد ، که حاوی اطلاعات مهمی در مورد بازده های یک چهارم است.

سرانجام ، نتایج ما حاکی از آن است که نسبت شارپ شرطی از الگوی ضد چرخه غیرقابل تصور برخوردار است و در رکود اقتصادی به شدت افزایش می یابد و در شروع انبساط ها کاهش می یابد. این یافته ها با نتایج موجود در برانت و کانگ (2004) و لتائو و لودویگسون (2003) سازگار است.

بقیه این مقاله به شرح زیر سازماندهی شده است. در بخش بعدی به طور خلاصه ادبیات مرتبط را مرور می کنیم. بخش 3 چارچوب اقتصاد سنجی را بیان می کند ، در مورد استفاده از تجزیه و تحلیل مؤلفه های اصلی برای برآورد عوامل مشترک بحث می کند و توضیح می دهد که چگونه عوامل برای مدل سازی میانگین مشروط و نوسانات مشروط بازده سهام انتخاب می شوند. بخش 4 اجرای تجربی را توضیح می دهد و داده ها را توصیف می کند. ما در بخش 5 حرکت می کنیم تا یافته های تجربی خود را ارائه دهیم ، از جمله نتایج روابط پیش بینی کننده یک چهارم و نتایج ما برای رابطه برآورد خطر-سوزش. دو تجزیه و تحلیل اضافی به عنوان بررسی استحکام انجام می شود: تحقیقات خارج از نمونه و استنباط نمونه کوچک. بخش 6 نتیجه می گیرد.

قطعه قطعه

ادبیات مرتبط

تحقیقات تجربی ما مربوط به چندین رشته متفاوت از ادبیات اقتصادی است. از طرف روش ، استفاده ما از تجزیه و تحلیل عاملی پویا کاربردی از روشهای آماری است که در جای دیگری برای مواردی که در آن تعداد سری زمانی اقتصادی که برای ساخت عوامل مشترک ، N و تعداد دوره های زمانی استفاده می شوند ، بزرگ هستند وهمگرایی به Infinity (Stock and Watson ، 2002a ، Stock and Watson ، 2002b ؛ Bai and Ng ، 2002 ، Bai and Ng ، 2005). تجزیه و تحلیل عاملی پویا با

چارچوب اقتصاد سنجی

در این بخش چارچوب اقتصاد سنجی خود را شرح می دهیم ، که شامل تخمین عوامل مشترک از مجموعه داده های بزرگ اطلاعات کلان اقتصادی و مالی است. همانطور که در کار قبلی در اقتصاد مالی (به عنوان مثال ، کانر و کوراژچیک ، 1986) ، تخمین عوامل با استفاده از تجزیه و تحلیل مؤلفه اصلی انجام می شود ، روشی که برای پیش بینی اقدامات فعالیت کلان اقتصادی و تورم نیز اجرا شده است (به عنوان مثال ، سهام و واتسون ، ،2002a ، Stock and Watson ، 2002b ، Stock and Watson ، 2004

اجرای تجربی و داده ها

شرح مفصلی از داده ها و منابع ما در پیوست آورده شده است. ما داده های سه ماهه را مطالعه می کنیم. بازده اضافی بیش از حد مرکب M T + 1 ، بازده ورود به مرکز تحقیقات در قیمت های امنیتی (CRSP) شاخص قیمت ارزش وزن برای NYSE ، AMEX و NASDAQ بیش از نرخ قبض خزانه داری است. اندازه گیری نوسانات ما ، جلد T ، از (6) ، از بازده روزانه CRSP منهای عملکرد روزانه ضمنی در نرخ قبض خزانه داری سه ماهه استفاده می کند.

ما دو مجموعه از عوامل را از دو تخمین می زنیم

نتایج تجربی

جدول 1 آمار خلاصه ای را برای فاکتورهای تخمین زده شده ما f ^ t و g ^ t ارائه می دهد. تعداد عوامل ، R F و R G با معیارهای اطلاعاتی که در BAI و NG (2002) ایجاد شده است تعیین می شود. معیارها نشان می دهد که ساختارهای عاملی هر دو مجموعه داده به خوبی توسط هشت عامل مشترک شرح داده شده است. عامل اول بزرگترین بخش از کل تغییرات کل در پانل داده x را توضیح می دهد ، جایی که تغییرات کل به عنوان مجموع واریانس های فرد X IT اندازه گیری می شود. عامل دوم

نتیجه

یک بدنه بزرگ و رو به رشد کار تجربی به تخمین رابطه بین ریسک و بازده در بازار سهام ایالات متحده اختصاص یافته است. اگرچه تئوری به طور معمول رابطه مثبت را پیش بینی می کند ، یافته های تجربی مختلط هستند و اغلب رابطه منفی را نشان می دهند. با این حال ، محدودیت مهم کار تجربی موجود ، مربوط به مقدار نسبتاً کمی از اطلاعات تهویه مطبوع است که برای تخمین میانگین مشروط و مشروط از بازده اضافی بورس استفاده می شود. به نوبه خود ، استفاده