|
|
Stock Return Predictability and Model Uncertainty: A Frequentist Model Averaging Approach
Pacák, Vojtěch ; Havránek, Tomáš (vedoucí práce) ; Špolcová, Dominika (oponent)
Nejistota v modelování je jev odrážející situaci, kdy neexistuje jednotný názor na podobu specifického ekonometrického modelu. Výnosy akcií jsou ukázkovým příkladem takového jevu, jelikož rozsáhlá literatura soustředící se na toto téma nabízí široké spektrum přístupů a vysvětlujících proměnných, ovšem prakticky bez jakékoholi konsensu. Relativně nový přístup průměrování modelů nabízí poměrně přímočaré řešení, spočívající v zakomponování všech potenciálních modelů do výsledného estimátoru. Moje práce se zabývá frekventistickým přístupem, který váží modely na základě dostupných dat. V této práci aplikuji tento přístup na data z amerického trhu, konkrétně S&P indexu, který se snažím vysvětlit za pomoci jedenácti vysvětlujících proměnných, jejichž volba je založena na relevantních studiích. Abych zachoval praktičnost modelu, využiji metody posouvajícího okna, spočívajícím v pravidelném čtvrtletním obnovování datasetu tak, aby model využíval k predikci nejnovější dostupné informace. Nejprve jsem ukázal, že základní model založený na historickém průměru se dá pokořit i modelem ignorujícím nejistotu, který dále používám jako benchmark. Výsledky z průměrovacího modelu nejsou oslnivé, a tyto modely nedokázaly pokořit náš benchmark. Zaměřil jsem se na význam velikosti "posuvného okna" a zopakoval analýzu pro...
|
host ::
RSS.