फामा मैकबेथ और डबल क्लस्टरिंग असंगत परिणाम प्रस्तुत करते हैं

Question

मेरे पास 460 कंपनियों और 1259 दिनों के साथ एक बड़ा असंतुलित पैनल डेटा है। मैं जिस मॉडल को चलाना चाहूंगा, वह नीचे है

$$Y_{it} = \beta X_{it} + \alpha Z_{t} + \epsilon_{it}$$

जहाँ स्टॉक रिटर्न है, और Fama French 3 कारक हैं, और ब्याज के चर हैं। Z t X i $Y_{it}$$Z_{t}$$X_{it}$

मैं मानक त्रुटि के लिए सही करने के लिए फामा मैकबेथ (एफएम) और डबल क्लस्टरिंग चलाता हूं, लेकिन दो मॉडल असंगत परिणाम देते हैं, अर्थात, एक मॉडल में महत्वपूर्ण है, और दूसरे में नहीं।$\beta$

मैं समझता हूं कि फामा-मैकबेथ तकनीक का विकास एक ही समय बिंदु पर विभिन्न फर्मों में टिप्पणियों के बीच संबंध के लिए किया गया था, अलग-अलग समय बिंदुओं में एक ही फर्म पर टिप्पणियों के बीच संबंध के लिए नहीं। परंपरागत रूप से, इसे प्रत्येक समय बिंदु पर क्रॉस सेक्शन प्रतिगमन चलाना चाहिए, फिर समय साथ औसत अनुमान । लेकिन मेरे मामले में, को शामिल किए जाने के , मुझे पहले समय श्रृंखला प्रतिगमन चलाना होगा अन्यथा, पहचान योग्य नहीं हैं। इस मामले में, क्या एफएम वास्तव में विभिन्न समय बिंदुओं में एक ही फर्म पर टिप्पणियों के बीच संबंध के लिए सही है?जेड टी जेड $T$$Z_t$$Z_{t}$

इससे भी महत्वपूर्ण बात, क्या असंगत परिणाम का मतलब है कि मेरे परिणाम मजबूत नहीं हैं? मेरे मामले के तहत, क्या मैं बहस कर सकता हूं कि एक दूसरे की तुलना में अधिक उपयुक्त है? क्या असंतुलित डेटा संरचना असंगत परिणामों में योगदान कर सकती है?

मैं इस पेज Stata कमांड पर fm और क्लस्टर 2 कमांड का उपयोग कर रहा हूं

Answer 1

यह एक बड़ी टिप्पणी है।

फामा-मैकबेथ केवल एक पैनल में क्रॉस-अनुभागीय सहसंबंध के लिए सही करता है और त्रुटि-चर चर समस्या (आपका , , Goyal and Shanken (2015) की जाँच करता है ) से भी ग्रस्त है ।$Z_t$

आपके डेटासेट के चर की सटीक प्रकृति के आधार पर आपके प्रश्नों का उत्तर "यह निर्भर करता है" है; कृपया गोयल (2012), मिशेल (2009) और इब्रागिमोव और मुलर (2010) की जांच करें।

1. गोयल (2012) ने एफएम प्रक्रिया (धारा 2.5) की सटीक व्याख्या की। वह कहते हैं कि "क्या पारंपरिक फामा-मैकबेथ दृष्टिकोण में पूर्वाग्रह है यदि अपेक्षित रिटर्न समय-बदलती विशेषताओं के साथ अलग-अलग है, अभी भी अस्पष्टीकृत है।" इसके अलावा, उनका कहना है कि "रिटर्न में ऑटोक्लेररेशन (मासिक आवृत्ति में नगण्य) जोखिम प्रीमियम अनुमानों में स्वत :संबंध की ओर जाता है। यह आसानी से न्यूए-वेस्ट प्रकार के सुधारों से भिन्न होता है।"

2. मिशेल (2009) वित्तीय पैनल डेटा में एसई पर चर्चा करता है और स्पष्ट रूप से कहता है कि हमें यह देखने के लिए कि फर्म या समय प्रभाव की उपस्थिति की पहचान करनी चाहिए कि क्या फामा-मैकबेथ मानक त्रुटियां निष्पक्ष हैं।

3. Ibragimov और Mueller (2010) "पाते हैं कि जब तक वर्ष गुणांक अनुमानक लगभग सामान्य (या मानदंडों के पैमाने पर मिश्रण) और स्वतंत्र होते हैं, तब तक फामा-मैकबेथ विधि एक छोटे पैनल के लिए वैध इंजेक्शन के रूप में मान्य होती है, जो समय के साथ विषम है।"

आपको जगन्नाथन, स्कोलाकिस और वांग भी मिल सकते हैं । (२०१४) यदि आपका अध्ययन परिसंपत्ति मूल्य निर्धारण से संबंधित है तो विधियों की उपयुक्तता पर उचित तर्क देने के लिए ज्ञानवर्धक; कॉर्पोरेट वित्त में चीजें अधिक "लचीली" होती हैं।

अंत में, मैं इस क्षेत्र के एक विशेषज्ञ से बहुत दूर हूं, लेकिन मुझे लगता है कि "पूर्व-निर्मित" स्टाटा कमांड विभिन्न सांख्यिकीय विशेषताओं (जैसे कि स्वैच्छिक प्रतिफल) के साथ चर से निपटने में थकाऊ नहीं हैं।

Comments

इसलिए अगर डेटासेट समय श्रृंखला सहसंबंध से ग्रस्त है, जो रिटर्न में ऑटो-सहसंबंध है, तो क्या एफएम मॉडल + न्यूय-वेस्ट सुधार समस्या को कम कर सकता है?

— ट्रेसी यांग