Περίληψη : | In the field of Asset Pricing, CAPM was widely used to predict asset returns. CAPM uses only the market risk to explain the assets; expected returns. However, the market portfolio does not provide enough explanatory performance to explain asset’ returns. Thus, the idiosyncratic risk can be priced. Therefore, I use various models towards that direction.This thesis uses datasets from the Kenneth French library to extract conclusions regarding abnormal returns on various portfolios of assets. I mainly use multifactor models as they are considered the simplest and most accurate models in asset pricing. The six factors for the FF6 model are used from Kenneth French library. These factors represent firm and market characteristics that can make iteration for risk. Apart from this, the 4 factor for the Stambaugh-Yuan mispricing factor model (M4) are downloaded from the authors’ site. Furthermore, I use the five factors for Hou-Mo-Xue-Zhang Q5 model. Then, the factors for Daniel, Hirshleifer, Sun, model (DHS) are also from the authors’ site. All models are estimated, by using the Fama Macbeth estimation procedure. To correct the biasness of the time series cross-sectionality, I run the gmm estimator, as it is more robust. This thesis reaches the conclusion that the FF6 model, outperforms the rest of the models. The models can explain the variability of the returns. The risk premia do not report a strong explanatory power, and other factors might be proper to be constructed to explain abnormal returns. Στον τομέα της τιμολόγησης περιουσιακών στοιχείων, το CAPM χρησιμοποιήθηκε ευρέως για την πρόβλεψη των αποδόσεων των περιουσιακών στοιχείων. Η CAPM χρησιμοποιεί μόνο τον κίνδυνο αγοράς για να εξηγήσει τις αναμενόμενες αποδόσεις των περιουσιακών στοιχείων. Ωστόσο, το χαρτοφυλάκιο της αγοράς δεν παρέχει επαρκή επεξηγηματική απόδοση για να εξηγήσει τις αποδόσεις των περιουσιακών στοιχείων. Έτσι, ο ιδιότυπος κίνδυνος μπορεί να αποτιμηθεί. Ως εκ τούτου, χρησιμοποιώ διάφορα μοντέλα προς αυτή την κατεύθυνση.Αυτή η διατριβή χρησιμοποιεί σύνολα δεδομένων από τη βιβλιοθήκη Kenneth French για την εξαγωγή συμπερασμάτων σχετικά με μη φυσιολογικές αποδόσεις σε διάφορα χαρτοφυλάκια περιουσιακών στοιχείων. Χρησιμοποιώ κυρίως πολυπαραγοντικά μοντέλα καθώς θεωρούνται τα πιο απλά και ακριβή μοντέλα στην τιμολόγηση περιουσιακών στοιχείων. Οι έξι παράγοντες για το μοντέλο FF6 χρησιμοποιούνται από τη βιβλιοθήκη Kenneth French. Αυτοί οι παράγοντες αντιπροσωπεύουν τα χαρακτηριστικά της εταιρείας και της αγοράς που μπορούν να κάνουν επανάληψη για τον κίνδυνο. Εκτός από αυτό, ο παράγοντας 4 για το μοντέλο του συντελεστή εσφαλμένης τιμολόγησης Stambaugh-Yuan (M4) γίνεται λήψη από τον ιστότοπο των συγγραφέων. Επιπλέον, χρησιμοποιώ τους πέντε παράγοντες για το μοντέλο Hou-Mo-Xue-Zhang Q5. Στη συνέχεια, οι παράγοντες για τον Daniel, Hirshleifer, Sun, μοντέλο (DHS) προέρχονται επίσης από τον ιστότοπο των συγγραφέων. Όλα τα μοντέλα εκτιμώνται, χρησιμοποιώντας τη διαδικασία εκτίμησης Fama Macbeth. Για να διορθώσω την προκατάληψη της διατομής της χρονοσειράς, εκτελώ τον εκτιμητή gmm, καθώς είναι πιο ισχυρός. Αυτή η διατριβή καταλήγει στο συμπέρασμα ότι το μοντέλο FF6 ξεπερνά τα υπόλοιπα μοντέλα. Τα μοντέλα μπορούν να εξηγήσουν τη μεταβλητότητα των αποδόσεων. Τα ασφάλιστρα κινδύνου δεν αναφέρουν ισχυρή επεξηγηματική ισχύ και άλλοι παράγοντες μπορεί να είναι κατάλληλοι για να εξηγήσουν τις μη φυσιολογικές αποδόσεις.
|
---|