Proiect Econometrie

ASE BUCURESTI
Proiect Econometrie
Testarea Modelului Sharpe si CAPM
Moldoveanu
Vlad, Grupa 3, Finante Corporative,
anul 1
Cuprins
I.Teste de semnificatie.................................................................................................................................4
1.Descriere generala................................................................................................................................4
2.Testul t..................................................................................................................................................6
2.1.Specificarea ipotezelor..................................................................................................................6
2.2.Nivelul de semnificatie..................................................................................................................7
2.3.Statistica folosita...........................................................................................................................8
2.4.Decizia...........................................................................................................................................8
3.Testul F ( Fisher)...................................................................................................................................8
3.1.Specificarea ipotezelor..................................................................................................................9
3.2.Nivelul de semnificatie..................................................................................................................9
3.3.Statistica folosita...........................................................................................................................9
3.4.Decizia.........................................................................................................................................10
II. Teste bazate pe reziduuri......................................................................................................................10
1.Analiza reziduurilor.............................................................................................................................10
2. Testul White......................................................................................................................................11
2.1 Specificarea ipotezelor.................................................................................................................12
2.2 Nivelul de semnificatie.................................................................................................................12
2.3 Pasi ce trebuie urmati..................................................................................................................12
2.4 Decizia..........................................................................................................................................12
3.Testul Durbin-Watson.........................................................................................................................12
3.1.Specificarea ipotezelor................................................................................................................13
3.2.Nivelul de semnificatie................................................................................................................13
3.3.Statistica folosita.........................................................................................................................13
3.4.Decizia.........................................................................................................................................13
3.5.Corectarea modelului..................................................................................................................14
Pagina | 2
III. Teste de normalitate............................................................................................................................14
1.Testul Jarque-Bera de normalitate.....................................................................................................15
1.1.Specificarea ipotezelor................................................................................................................15
1.2.Nivelul de semnificatie................................................................................................................15
1.3.Statistica folosita.........................................................................................................................15
1.4.Decizia.........................................................................................................................................15
IV. Studiu aplicativ- Modelul Sharpe si Modelul CAPM.............................................................................16
1.Considerente generale.......................................................................................................................16
2.Modelul Sharpe..................................................................................................................................17
2.1.Actiunea Cola Cola.......................................................................................................................18
2.2.Actiunea Microsoft......................................................................................................................24
2.3.Actiunea McDonalds....................................................................................................................28
3.Modelul CAPM....................................................................................................................................33
3.1.Actiunea Coca-Cola......................................................................................................................33
3.2.Actiunea Microsoft......................................................................................................................40
3.3.Actiunea McDonalds....................................................................................................................45
Pagina | 3
I.Teste de semnificatie
1.Descriere generala
Testarea statistica de semnificatie este o metoda de stabilire a gradului de

plauzibilitate, care se refera la un anumit tip special de ipoteze, cunoscute sub numele de
ipoteze statistice.
Efectuarea unui test de semnificatie este o metoda folosita pentru a testa o

presupunere facuta asupra unei întreagi populatii, prin folosirea datelor obtinute dintr-un
esantion. In general, rezultatul unui test de semnificatie este exprimat printr-un numar.
Acest numar reflecta câ t de plauzibila este ideea ca valoarea unei anumite statistici
descriptive – care este calculata din datele obtinute din acel esantion – ar putea proveni
dintr-un esantion aleator.
Robert A. Fisher, in cartea “Statistical Methods for Research Workers” sustinea faptul
ca validitatea unei ipoteze stiintifice este stabilita pe baza unui singur test, cu optiunea de a
nu emite o judecata definitiva atunci câ nd rezultatul nu este „suficient de limpede”. În
aceasta abordare sunt posibile doar doua optiuni: fie se va„respinge ipoteza nula”, fie se va
amâ na decizia (nu sunt suficiente date pentru a trage vreo concluzie).
Diferenta dintre ipotezele stiintifice si cele statistice este data de faptul ca ipotezele
stiintifice se refera la populatii teoretice, care au de obicei un numar infinit de indivizi si
sunt reprezentate de distributii continue, pe cand ipoteza statistica este exprimata prin
intermediul parametrului acelei populatii (cum ar fi proportia, media etc.).
Valoarea parametrului este estimata prin exploatarea datelor obtinute dintr-un esantion
extras din populatie, apoi este comparata cu o valoare „asteptata”.
Pagina | 4
Ideea testarii ipotezelor (adica a testelor de semnificatie) este simpla: ipoteza
statistica va servi ca alternativa la o alta ipoteza – „ipoteza nula” – care este luata in
considerare doar pentru a fi respinsa. Prin acceptarea adevarului ipotezei nule vor rezulta
anumite consecinte statistice, iar acestea vor fi confruntate cu datele observate.Orice
dovada aflata în contradictie cu ipoteza nula va servi ca justificare a alternativei.
O testare statistica de semnificatie se efectueaza în cinci pasi consecutivi:
Pasul 1: Specificarea ipotezei alternative si a ipotezei nule

Pasul 2: Alegerea statisticii adaptate situatiei concrete
Pasul 3: Alegerea nivelului de semnificatie
Pasul 4: Calcularea valoarii statisticii
Pasul 5: Decizia, prin compararea valorii calculate cu pragul dat de nivelul de semnificatie
Discutia in jurul testarii statistice de semnificatie începe cu ultimul pas. Aici un

agent decizional va trebui fie sa respinga ipoteza nula H 0 (si prin urmare sa accepte ipoteza
alternativa H1), fie sa nu respingaH0. In realitate H0 este fie adevarata, fie falsa – dar agentul
decizional nu cunoaste situatia reala. Cele patru posibilitati ce pot fi identificate sunt
urmatoarele:
Pagina | 5
In testarea statistica de semnificatie o importanta mare o are eroarea de tipul I.
Probabilitatea ei, cu alte cuvinte numarul a = P(decizie eronatä |H0 este adevä ratä ) este
nivelul de semnificatie a carui valoare a fost aleasa anterior.
Nivelul de semnificatie se doreste a fi cat maivmic posibil, intrucâ t este de fapt

probabilitatea de a face o eroare. Astfel ca valori cum este a = 0.05 sau mai mici sunt cel mai
des folosite.
In continuare vom considera urmatoarea ecuatie de regresie:
y i=β 0 + β 1 x i 1+ β 2 x i 2+ …+ β k x ik + ε i
2.Testul t
Statistica t a fost introdusa în 1908 de că tre William Sealy Gosset, un chimist ce era
angajat la fabrica de bere Guinness în Dublin, Irlanda ("Student" a fost numele sau de
publicist). Gosset a fost angajat datorita politicii inovatoare a Guinness de recrutarea a
celor mai buni absolvenţi de la Oxford şi Cambridge, care să aplice biochimie şi statistici
pentru procesele industriale Guinness. Gosset a conceput testul t ca o modalitate de a
monitoriza simplu si avantajos calitatea berii. A publicat testul in Biometrika, 1908, dar a
fost obligat de catre angajator sa foloseasca un supranume, pentru a tine secret faptul ca
fabrica folosea statistica in determinarea calitatii berii.
Principalele utilizari ale testului t sunt:
 Daca media unui esantion are o valoare specificata in ipoteza nula

 Daca mediile a 2 esantioane normal distribuite sunt egale
 Daca panta unei regresii
difera semnificativ de 0
2.1.Specificarea ipotezelor
Pagina | 6
Test bilateral
H 0 : β= β¿
{ H1 : β ≠ β¿
Test unilateral stanga
H 0 : β= β¿
{ H 1: β < β¿
Test unilateral dreapta
H 0 : β= β¿
{ H 1: β > β¿
β ¿- valoare precizata, de obicei cea mai nefavorabila
H0: ipoteza nula,cea care este luata in considerare pentru a testa posibilitatea
respingerii ei
H1: ipoteza alternativa, care se valideaza prin respingerea ipotezei nule
Testul t este calculat pentru fiecare coeficient al ecuatiei de regresie.
2.2.Nivelul de semnificatie
Pagina | 7
Nivelul de semnificatie este probabilitatea de respingere a ipotezei nule, atunci cand
aceasta este adevarata.
Cele mai utilizat nivele de semnificatie: 0.01 0.05 0.1
Nivelul de semnificatie ales pentru acest proiect este 0.05
2.3.Statistica folosita
^β−β ¿
t^ = t (n−parametrii estimati)
SEβ^
2.4.Decizia
Valoarea calculata a testul t este comparata cu valoarea sa teoretica, care se obtine

prin consultarea tabelelor. Valoarea teoretica a testului t depinde de numarul de grade de
libertate. De asemenea, aceasta valoare poate fi obtinuta si in Excel, prin apelarea functiei
TINV, cu parametrii: nivel de semnificatie, si grade delibertate(n-parametrii estimati).
a) Test bilateral: -t critic<t calculat< t critic  regiunea de acceptare a H0

t calculat<-t critic sau t calculat>t critic  regiunea de respingere a H0
b) Test unilateral stanga: t calculat<t critic regiunea de respingere a H0
t calculat>t critic regiunea de acceptare a H0
c) Test unilateral dreapta: t calculat>t critic regiunea de respingere a H0
t calculat<t critic regiunea de acceptare a H0
Decizia poate fi luata si pe baza valorii luate de p-value. Pentru orice test statistic, aceasta
indica eroarea care se face prin respingerea ipotezei nule.
P value apartine intervalului [0,1]. Astfel pentru p<0.15  se respinge ipoteza nula
p>0.85 se accepta ipoteza nula
altfel  zona de indecizie
O alta modalitate de decizie, in cazul testului bilateral, este cea pe baza intervalelor de
incredere. Daca acesta contine termenul 0, atunci nu se poate respinge ipoteza nula.
Pagina | 8
3.Testul F ( Fisher)
Testul F este orice test statistic in care statistica testata urmeaza o distributie F. Spre
deosebire de testul t, acesta se refera la intregul model de regresie. Numele sau a fost dar
de by George W. Snedecor in onoarea lui Ronald A. Fisher, deoarece acesta din urma a facut
primii pasi in fundamentarea statisticii F, in anii 1920.
H 0 : β 1=β 2=..=β k =0
{ H 1 :∃ s , a. i . β s ≠ 0
H0: ipoteza nula,cea care este luata in considerare pentru a testa posibilitatea
respingerii ei
H1: ipoteza alternativa, care se valideaza prin respingerea ipotezei nule

Cele mai utilizat nivele de semnificatie: 0.01 0.05 0.1
SSR
MSR k
F= =
MSE SSE
[n−( k + 1 ) ]
n
2
Unde - SSR=∑ (^y i− ý ) ; este suma patratelor abaterilor valorilor ajustate de la
i=1
medie. Aceasta reprezinta partea din varianta totala a valorilor y explicata prin modelul de
regresie.
Pagina | 9
n
2
-SSE=∑ ( y i− ^y i ) ; este suma patratelor reziduurilor (abaterile la patrat ale
i=1
valorilor ajustate de la valorile observate)

n
2
-SST =∑ ( y i− ý) este varianta totala; suma patratelor abaterilor valorilor
i=1
observate y de la media lor.
SST=SSR+SSE  descrie descompunerea variantei totale in componenta explicata

de model si componenta neexplicata.
Statistica F urmeaza o distributie Fisher Snedecor.
Astfel, pentru o ecuatie de regresie: y i=β 0 + β 1 x i 1+ β 2 x i 2+ …+ β k x ik + ε i ,
β 0 + β 1 x i 1+ β 2 xi 2 +…+ β k x ik reprezinta componenta liniara, iar ε i componenta neexplicata.
3.4.Decizia
Valoarea lui F calculat este comparata cu valoarea lui F critic, care se obtine prin
consultarea tabelelor, sau apeland functia Excel FINV, cu parametrii: grad de determinatie
si numarul de grade de libertate.
Daca F calculat este mai mare sau egal decat F critic, ipoteza nula este respinsa, iar
in caz contrar este acceptata.
De asemenea, decizia poate fi luata pe baza valorii luate de p-value. Pentru orice test
statistic, aceasta indica eroarea care se face prin respingerea ipotezei nule.
P value apartine intervalului [0,1]. Astfel pentru p<0.15  se respinge ipoteza nula
p>0.85 se accepta ipoteza nula
altfel  zona de indecizie
Testul F, in care exista o singura variabila de influenta are acelasi rezultat cu testul t.
II. Teste bazate pe reziduuri
Pagina | 10
1.Analiza reziduurilor
Analiza statistică a ecuaţiei de regresie este bazată pe ipotezele Gauss-Markov

asupra erorilor ε~ N(0, σ2 ). Valabilitatea acestor ipoteze, în special cea a normalită ţii
erorilor, poate fi testată prin analiza reziduurilor. Ca şi în cazul testelor statistice,
concluziile analizei sunt de genul: ipoteza normalită ţii se respinge sau ipoteza normalită ţii
nu se respinge. Analiza reziduurilor este, în esenţă , de natură grafică .
Ipotezele de repartiţie a erorilor sunt reflectate în repartiţia reziduurilor (estimaţii
ale erorilor). Se analizează histograma reziduurilor sau diagrame ale reziduurilor în raport
de valorile estimate, de variabilele independente. Diagramele construite în continuare pun
în evidenţă eventualele abateri de la repartiţiile presupuse pentru erori, abateri ce vor
exprima deviaţiile de la ipotezele de repartiţie a erorilor.
Se numesc reziduuri diferentele intre valorile calculate prin regresie si cele
experimentale ( ceea ce , in alt context, numeam ca „erori”)
n
r t = y t −^y t , ∑ r i=0
i=1
Examinarea reziduurilor poate dezvalui variatia heterogenitatii sau nonlinieritatea.
Daca modelul liniar si presupunerile in analiza prin cele mai mici patrate sunt
valabile, reziduurile ar trebui sa fie aproximativ normal distribuite si n-ar trebui sa apara
nici o tendinta.
2. Testul White
În statistică , testul White este un test statistic care stabileşte dacă varianţa reziduală
a unei variabile într-un model de regresie este constant (homoscedasticitate). Pentru a
testa constanta unei variaţii se introduc intr-o regresie pă tratele reziduurilor de la un
model de regresie, regresori şi regresorii la pă trat.
Dacă homoscedasticitatea este respinsa se poate utiliza un model GARCH.
Pagina | 11
Acest test a fost propus de Halbert White în 1980. Aceasta metoda a devenit extrem
de utilizata pe scară largă , fă câ nd din lucrarea autorului unul dintre articole cele mai citate
în economie.
Alternativă la testarea White este testul Breusch-Pagan.
2.1 Specificarea ipotezelor

Var(ei)= σ2, σ2-constant
H 0 : σ 2i =σ 2 i=1. .n
{ H 1 : ∃i a . i. σ 2i ≠ σ 2
y i=β 0 + β 1 x i 1+ β 2 x i 2+ …+ β k x ik + ε i
2.2 Nivelul de semnificatie

2.3 Pasi ce trebuie urmati

1) Se estimeaza parametrii modelului simplu de regresie ^
β 0 , β^1 .. ^
βk
2) Se estimeaza reziduurile r i= y i−^y i
3) Se construieste o regresie auxiliara de forma:
r 2i =∝0 +∝1 x 1 i+ ∝2 x i2 +.. α k x ik + α k +1 x i 12+.. α 2 k x ik2 +α 2 k+1 xi 1 xi 2 +.. α 2 k +n(n−1)/2 xik x i (k −1 )+ v t , v N (0 , σ 2v )
H 0 : α 1=..=α k =0
{ H1: αx ≠ 0
H0  homoscedasticitate, H1  heteroscedasticitate
Pagina | 12
2.4 Decizia
Decizia se ia pe baza testului F, sau pe baza lui p-value.
3.Testul Durbin-Watson
Statistica Durbin-Watson este o statistică de testare utilizate pentru a detecta
prezenţa a autocorelă rii în reziduale de la o analiză de regresie. Este numit după James
Watson Durbin şi Geoffrey.
Pentru ecuatie de regresie:
y t =β 0+ β x t +e t
e t =ρ et −1+ v t unde v t N ¿)
H 0 : ρ=0
{ H 1 : ρ ≠0
ρ- coeficient de autocorelare, ρ=corr(rt,rt-1)
ρ  1 => autocorelare pozitiva
ρ -1 => autocorelare negativa
ρ0 => nu am autocorelare
Nivelul de semnificatie ales pentru acest

proiect este 0.05
n
∑ ( r i−r i−1)2
DW = i=2 n ; DW 2(1− ^ρ ) => DW ε (0,4)
2
∑r i
i=1
Pagina | 13
Statistica DW este tabelata, valorile ei depinzand de nivelul de semnificatie precizat, de
numarul de observatii in esantion si de numarul variabilelor de influenta din modelul de
regresie. Statistica test DW pentru un nivel de semnificatie precizat are 2 valori critice d L si
dU ce se obtin din tabele.
3.4.Decizia
 Daca DW intre 0 si dL respingem H0 , autocorelatia de ordinul I fiind pozitiva
 Daca DW intre 4-dL si 4, respingem H0, autocorelatia fiind negativa
 Daca DW intre dU si 4-dU nu se confirma prezenta autocorelatiei.
 Daca DW intre dL si dU sau intre 4-dL si 4-dU testul nu este concludent
Analiza autocorelarii de ordin superior poate fi facuta cu ajutorul testului Breuch-

Godfrey, din E-views.
3.5.Corectarea modelului
Corectarea modelului, in cazul prezentei autocorelatiei, se poate face astfel:
 Model de regresie dinamic

y t =α 0+ β0 x t + β 1 x t −1 + γ y t−1 +v t
 Procedura Cochrane-Orcutt
y t −^ρ y t−1=δ0 + β 0 ( x t −^ρ x t−1 ) +v t
III. Teste de normalitate
Testele de normalitate verifica daca seria de date este distribuita normal. Aceasta se
verifica prin intermediul notiunilor de mediana, simetrie, si aplatizare.
Mediana reprezinta acel punct care separa la stanga jumatate din probabilitati,
intr-o distributie. Pentru distributia normala, mediana este aceeasi cu media.
Pagina | 14
Simetria (skewness): proprietatea unei distributii de a fi egal despartita de catre
mediana. Simetria se masoara prin intermediul coeficientului skewness, care are ipotezele:
H 0 : sk =0 repartitie simetrica
{ H 1 : sk ≠0 repartitie asimetrica
μ3
sk= unde μ3
( μ ¿¿ 2¿ ¿3 /2)¿ ¿
este momentul centrat de ordinul 3,
iar μ2 este dispersia.
Aplatizarea (kurtosis)-
indica gradul de aplatizare al repartitiei, si poate fi mezocurtica, leptocurtica sau
platicurtica
μ4
K n=
μ22
H 0 : K n−3< 0 platicurtica
{ H 1 : K n −3>0 leptocurtica
1.Testul Jarque-Bera de normalitate
H 0 :sk =0 si k=3
{ H 1 : sk ≠0 sau k ≠ 3
Pagina | 15
b 21 b 22
W =T ( + ) unde: b1 este o estimatie pentru sk (folosim un esantion de volum T) si b 2
6 24
este o estimatie pentru k-3 (folosim un esantion de volum T)
T → ∞=¿ W χ 2 (2)
1.4.Decizia
^ > χ 2α ( 2 ) →resping ipoteza nula
Daca W
^ < χ 2α ( 2 ) →accept ipoteza nula

Daca W
Decizia poate fi luata si pe baza lui p-value.
IV. Studiu aplicativ- Modelul Sharpe si Modelul CAPM
1.Considerente generale
Esantionul considerat contine 768 de randamente zilnice ale actiunilor Coca Cola,
McDonalds si Microsoft, inregistrate de la data de 01.10.2007 pana la 15.10.2010. Toate
cele 3 actiuni actiuni selectate intra in componenta indicelui DIJA. Am ales sa folosesc date
zilnice deoarece randamentele calculate folosind perioade mai indelungate(lunare) pot
duce la schimbari ale valorii beta în perioada de analiza, generand erori de estimare. Pe
deasupra, distributia rentabilitatilor zilnice tinde a se apropia cel mai mult de legea
normală . CAPM-ul este construit pe ipoteza normalitatii rentabilitatilor.
Ca proxy al pietei New York-eze a fost ales indicele Dow Jones, unul dintre cei mai
cunoscuti indici bursieri din lume. Indicele, calculat pentru prima oara pe 26 mai 1896,
urmareste evolutia celor mai importante 30 de blue chip-uri (companii stabile, de dimensiuni
mari, si profitabile) din Statele Unite. Rentabilitatea activului fara risc a fost considerat
randamentul Treasury Bonds cu maturitatea la un an.
Pagina | 16
P t−Pt −1
Randamentul titlurilor a fost obtinut folosind urmatoarea formula: Rt =
P t−1
unde Pt reprezinta pretul activului financiar la momentul de timp t, iar R t reprezinta
randamentul activului financiar la momentul t.
Preturile de inchidere ale actiunilor au fost ajustate in functie de dividende.
Nivelul de semnificatie folosit este de 5%.
Indicator Coca Cola McDonalds Microsoft DIJA Rata fara

risc
Media 50.44 57.90 25.34 10467.33 1.18
Abaterea standard 5.601216594 7.068989791 4.324313203 1720.998502 1.05915149
Minim 35.70 46.51 14.69 6547.05 0.23
Maxim 59.94 77.48 28.06 14087.55 4.15
Dispersia 31.37362733 49.97061666 18.69968467 2961835.846 1.121801878
Indicator Randament Coca Randament Randament Randament Randament

Cola McDonalds Microsoft DIJA Rata fara risc
Media 0.0298% 0.0698% 0.0163% -0.0163% -0.1901%
Abaterea standard 0.016343291 0.015984772 0.024010702 0.01747133 0.060016517
7
Minim -8.6604% -7.9862% -11.6827% -7.8733% -23.3780%
Maxim 0.0501% 0.5711% 1.2287% -0.3077% 4.3460%
Dispersia 0.000267103 0.000255513 0.000576514 0.00030524 0.003601982
8
Matricea de corelatie
1 0.42611 0.8622
9
0.426119 1 0.18749
32 8
0.862199 0.18749 1
85 8
2.Modelul Sharpe
Continuatorul ideilor economice ale lui Markowitz, W. Sharpe a plecat de la premisa

necesitatii stabilirii unei legaturi intre evolutia rentabilitatilor titlurilor ce compun un
Pagina | 17
portofoliu si un factor .15
.10
macroeconomic acceptat. El a
.05
observat un fenomen practic,
.00
pa care l-a modelat teoretic si
-.05
anume ca rentabilitatea
-.10
investirii capitalurilor proprii 100 200 300 400 500 600 700
COCA_COLA
depinde in principal de doi
factori: diferentele obiective din nivelul primei de risc care sunt caracteristice capitalului
invetit si diferentele dintre corporatiile si institutriile financiare care investesc pe piata.
In acest proiect am analizat dependanta care exista intre randamentul unui titlu si
randamentul pietei. Ecuatia de regresie a modelului este urmatoarea:
Ri=α + β R p +ε unde Ri este randamentul titlului, Rp randamentul pietei iar ε

eroarea.
2.1.Actiunea Cola Cola
Dependent Variable: COCA_COLA

Method: Least Squares
Date: 11/16/10 Time: 22:48
Sample: 1 768
Included observations: 768

Variable Coefficient Std. Error t-Statistic Prob.
C 0.000399 0.000440 0.907051 0.3647
DIJA 0.622620 0.025224 24.68330 0.0000
R-squared 0.443016 Mean dependent var 0.000298
Adjusted R-squared 0.442289 S.D. dependent var 0.016333
S.E. of regression 0.012197 Akaike info criterion -5.972617
Sum squared resid 0.113959 Schwarz criterion -5.960524
Log likelihood 2295.485 F-statistic 609.2651
Ecuaţia de regresie
Durbin-Watson stat 2.162421 Prob(F-statistic) 0.000000
a modelului Sharp este
Pagina | 18
COCA_COLA = 0.0003992367229 + 0.6226203427*DIJA . La creşterea rentabilită ţii pieţei
cu 1 punct procentual rentabilitatea acţiunii Coca Cola va creste cu 0.6226203427.
Validarea modelului
Coeficientul de determinatie R2 are o valoare de 44%. Acest lucru semnifica faptul ca

44% din evolutia variabilei dependente este influentata de variabila explicativa. Deoarace
aceasta valoare este relativ mica, inseamna ca o mare parte din variatia randamentului
actiunii este determinata de factori neinclusi in model, specifici firmei.
Eroarea standard a modelului indica o dispersie a erorii in model de 1.2%
Validitatea modelului se verifica cu ajutorul testului F. Ipotezele acestuia sunt:
H 0 : β=0
{ H1 : β ≠ 0
Decizia se ia pe baza lui p-value. Deoarece valoarea statisticii p-value este foarte
mica, eroarea pe care o facem respingand ipoteza nula este si ea foarte mica. Asftel vom
respinge ipoteza nula si vom concluziona ca modelul este bun.
F calculat (609.2) > F tabelar (19.49)
Testul t pentru termenul liber are urmatoarele ipoteze:
H 0 :α =0
H 1 :α ≠ 0
T statistic calculat este 0.90 fiind in intervalul (–t critic( -2.2458); t critic(2.2458)), si
deci nu putem respinge ipoteza nula.
Avand un p-value de 36,47%, suntem in zona de indecizie deci nu putem respinge

ipoteza nula.
Testul t pentru coeficientul randamentului pietei are urmatoarele ipoteze:
H 0 : β=0
H1: β ≠ 0
Pagina | 19
.08
.04
T statistic calculat este 24.68 fiind
REZIDCOCA
in afara intervalului (–t critic( -2.2458); t .00
critic(2.2458)), si astfel respingem -.04
ipoteza nula.
-.08
-.08 -.04 .00 .04 .08
Avand un p-value de 0.0001 putem REZIDCOCA(-1)
respinge ipoteza nula, si concluziona ca

acest coeficient este semnificativ diferit de 0.
T critic a fost obtinut apeland functia Excel TINV(0.025; 766). In acest caz, testul t
este bilateral.
Teste bazate pe reziduuri
Testul Durbin Watson

Analizand graficul, autocorelare nu este evidenta. Astfel vom trece la estimarea lui ρ
din model.
H 0 : ρ=0
{ H 1 : ρ ≠0
Dependent Variable: REZIDCOCA

Date: 11/17/10 Time: 00:28
Sample(adjusted): 2 768
Included observations: 767 after adjusting endpoints
REZIDCOCA(-1) -0.081224 0.036012 -2.255501 0.0244
R-squared 0.006598 Mean dependent var -2.29E-06
Log likelihood 2294.545 Durbin-Watson stat 2.000071
P value este mai mic de 5%. Astfel, vom respinge ipoteza nula, si vom concluziona ca
exista autocorelare.
Pagina | 20
Statistica Durbin-Watson are valoarea 2.16 . Fiind mai mare de 2.1 concluzionam ca
autocorelarea este prezenta.
Modelul necestita corectare.
 Model dinamic de regresie

Date: 11/17/10 Time: 00:35
C 0.000420 0.000439 0.957186 0.3388
DIJA 0.620014 0.025429 24.38246 0.0000
DIJA(-1) -0.003826 0.034059 -0.112335 0.9106
COCA_COLA(-1) -0.080919 0.036097 -2.241721 0.0253
Ecuaţia de regresie a modelului Sharp este COCA_COLA = 0.00042 + 0.620013*DIJA -

0.003825*DIJA(-1) - 0.080918*COCA_COLA(-1) .

acesta valoare este relativ mica, inseamna ca o mare parte da variatia actiunii este
determinata de factori neinclusi in model, specifici firmei.
Modelul este valid deoarece p-value pentru teste F este mic, si astfel respingem
ipoteza nula, conform careia toti coeficientii regresiei sunt nuli.
Pentru coeficientii ecuatiei de regresie DIJA si CocaCola(-1) putem respinge ipoteza

nula si concluziona ca ei sunt semnificativi diferiti de 0. Pentru termenul liber ne aflam in
zona de indecizie iar DIJA(-1) nu este semnificativ diferit de 0.
Pagina | 21
.08
.06
.04
R_DINAMIC .02
.00
-.02
-.04
-.06
-.08
-.08 -.04 .00 .04 .08
R_DINAMIC(-1)

Date: 11/17/10 Time: 00:44
Convergence achieved after 5 iterations
C 0.000397 0.000407 0.976954 0.3289
DIJA 0.622906 0.025453 24.47288 0.0000
AR(1) -0.081226 0.036182 -2.244951 0.0251
Inverted AR Roots -.08
Ecuaţia noului model de regresie este urmatoarea :

COCA_COLA = 0.0003971623069 + 0.6229055369*DIJA + [AR(1)=-0.08122615589]
Coeficientul R2 este 0,4467 şi arată gradul de determinaţie utilizat pentru a spune în
ce mă sură modelul de regresie explică dependenţa dintre variabile.
Validitatea modelului de regresie este data de testul F-statistic. Întrucâ t
probabilitatea testului F este de 0,0000000 atunci modelul de regresie construit este valid.
Pagina | 22
Coeficienţii modelului dinamic sunt semnificativi diferiţi de zero cu excepţia termenului
liber unde cu un p-value de 0,32 suntem in regiunea de incertitudine.
Testul White
H 0 : σ 2i =σ 2 i=1. .n
{ H 1 : ∃i a . i. σ 2i ≠ σ 2
Pentru a aplica testul White se construieste o regresie auxiliara:
r 2t =∝0 +∝1 x t + α 2 xt 2+ v t
White Heteroskedasticity Test:

F-statistic 57.33674 Probability 0.000000
Obs*R-squared 100.1158 Probability 0.000000
Test Equation:
Dependent Variable: RESID^2
Date: 11/17/10 Time: 00:51
Sample: 1 768
C 9.46E-05 1.57E-05 6.035337 0.0000
DIJA 0.001080 0.000852 1.267062 0.2055
DIJA^2 0.177175 0.016943 10.45709 0.0000
Regresia auxiliara construita este de forma:
r 2=9.45∗10−5+ 0.001∗DIJA+ 0.1771∗DIJA 2
Testul F pentru acest model de regresie are ipotezele:
H 0 :α 1=α 2=0
{ H 1 : fie α 1 , α 2 ≠ 0
Pagina | 23
Probabilitatea atasata lui F statistic este foarte mica, deci eroarea pe care o facem
prin respingerea ipotezei nule este foarte mica. Astfel, respingem ipoteza nula si
concluzionam prezenta heteroscedasticitatii.
.20
.16
Teste de normalitate
.12
.08
.04
Testul Jarque-Bera .00
-.04
-.08
-.12
H 0 :sk =0 si k=3
{
100 200 300 400 500 600 700
H 1 : sk ≠0 sau k ≠ 3 MICROSOFT
P value este foarte mic. Deci putem respinge ipoteza nula, concluzionand ca datele
nu sunt normal distribuite. Distributia este leptocurtica deoarece k>3.
2.2.Actiunea Microsoft
Dependent Variable: MICROSOFT

Date: 11/17/10 Time: 17:27
Sample: 1 768
C 0.000331 0.000574 0.575444 0.5652
DIJA 1.028824 0.032921 31.25107 0.0000
Durbin-Watson stat 1.977970 Prob(F-statistic)
200
0.000000 Series: Residuals
Sample 1 768
160 Observations 768
Mean -3.16E-19
120 Median -6.13E-05
Ecuaţia de regresie a Maximum 0.075652
Minimum -0.069978
80 Std. Dev. 0.012189
modelului Sharp este Skewness 0.241024
Kurtosis 9.749071
40
MICROSOFT = Jarque-Bera 1465.034
Probability 0.000000
0
0.000330565928 + -0.05 0.00 0.05
1.02882404*DIJA . La
Pagina | 24
creşterea rentabilită ţii pieţei cu 1 punct procentual rentabilitatea acţiunii Microsoft va
creste cu 1.02882404.
.12
.08
.04
DIJA
.00
-.04
-.08
-.12
-.12 -.08 -.04 .00 .04 .08 .12 .16 .20
MICROSOFT
Validarea modelului

H 0 : β=0
{ H1 : β ≠ 0
Pagina | 25
H 0 :α =0
H 1 :α ≠ 0
.12
Avand un p-value de 56.52%, suntem .08
in zona de indecizie deci nu putem respinge .04
REZ_MICRO
.00
ipoteza nula.
-.04
-.08
Testul t pentru coeficientul
-.12
-.15 -.10 -.05 .00 .05 .10
randamentului pietei are urmatoarele
REZ_MICRO(-1)
ipoteze:
H 0 : β=0
H1: β ≠ 0
T statistic calculat este 31.25 fiind in afara intervalului (–t critic( -2.2458); t
critic(2.2458)), si astfel respingem ipoteza nula.
Avand un p-value de 0.0001 putem respinge ipoteza nula, si concluziona ca acest

coeficient este semnificativ diferit de 0.
este bilateral.

din model.
H 0 : ρ=0
{ H 1 : ρ ≠0
Pagina | 26
Dependent Variable: REZ_MICRO
Date: 11/17/10 Time: 17:35
REZ_MICRO(-1) 0.011015 0.036129 0.304870 0.7605
Coeficientul de autocorelatie este 0.011015 iar p value asociat lui este 76%. Astfel, ne
situam in zona de indecizie si nu vom respinge ipoteza nula.
autocorelarea nu este prezenta. Modelul nu necestita corectare.
Testul White
H 0 : σ 2i =σ 2 i=1. .n
{ H 1 : ∃i a . i. σ 2i ≠ σ 2
r 2t =∝0 +∝1 x t + α 2 xt 2+ v t

Test Equation:
Date: 11/17/10 Time: 17:40
Sample: 1 768
C 0.000211 2.91E-05 7.248366 0.0000
DIJA 0.003088 0.001582 1.951600 0.0514
DIJA^2 0.139328 0.031453 4.429676 0.0000
Pagina | 27
Log likelihood 4426.354 160F-statistic 12.68876
Series: Residuals
Durbin-Watson stat 1.926551 140Prob(F-statistic) 0.000004 Sample 1 768
Observations 768
120
Mean 0.000331
100
Regresia auxiliara Median 4.42E-05
80 Maximum 0.089764
Minimum -0.103663
construita este de forma: Std. Dev. 0.015909
60
Skewness -0.110272
40 Kurtosis 10.34428
20 Jarque-Bera 1727.587
0
-0.10 -0.05 0.00 0.05
r 2=0.000211+0.003088∗DIJA+0.139328∗DIJA2
H 0 :α 1=α 2=0
{ H 1 : fie α 1 , α 2 ≠ 0
Testul Jarque-Bera
H 0 :sk =0 si k=3
{ H 1 : sk ≠0 sau k ≠ 3
Pagina | 28
P value este foarte mic. Deci putem respinge ipoteza nula, concluzionand ca datele nu sunt
normal distribuite. Distributia este leptocurtica deoarece k>3.
2.3.Actiunea McDonalds
Dependent Variable: MCDONALDS

Date: 11/17/10 Time: 17:47
Sample: 1 768
C 0.000803 0.000409 1.963522 0.0499
DIJA 0.644847 0.023450 27.49829 0.0000
.10
.05
Ecuaţia de regresie a modelului

.00
Sharp este MCDONALDS =
-.05
0.0008034619146 + 0.644846572*DIJA .
La creşterea rentabilită ţii pieţei cu 1 -.10

100 200 300 400 500 600 700
punct procentual rentabilitatea MCDONALDS
acţiunii Microsoft va creste cu

0.644846572.
Validarea modelului


Pagina | 29
H 0 : β=0
{ H1 : β ≠ 0
H 0 :α =0
H 1 :α ≠ 0
Avand un p-value de 4.99%, suntem in zona de respingere a ipotezei nule.
Testul t pentru coeficientul randamentului pietei are urmatoarele ipoteze:
H 0 : β=0
H1: β ≠ 0
.06
T statistic calculat este 27.49 .04
.02
fiind in afara intervalului (–t critic(

REZ_MC
.00
-.02
-2.2458); t critic(2.2458)), si astfel -.04
-.06
respingem ipoteza nula. -.08
-.08 -.04 .00 .04 .08
REZ_MC(-1)
Avand un p-value de 0.0001

putem respinge ipoteza nula, si
concluziona ca acest coeficient este semnificativ diferit de 0.
este bilateral.
Pagina | 30

din model.
H 0 : ρ=0
{ H 1 : ρ ≠0
Dependent Variable: REZ_MC

Date: 11/17/10 Time: 17:57
REZ_MC(-1) 0.013302 0.036128 0.368185 0.7128
Coeficientul de autocorelatie este 0.0133 iar p value asociat lui este 71%. Astfel, ne
situam in zona de indecizie si nu vom respinge ipoteza nula.
Testul White
H 0 : σ 2i =σ 2 i=1. .n
{ H 1 : ∃i a . i. σ 2i ≠ σ 2
Pagina | 31
r 2t =∝0 +∝1 x t + α 2 xt 2+ v t

Test Equation:
Date: 11/17/10 Time: 17:58
Sample: 1 768
C 0.000118 1.24E-05 9.495765 0.0000
DIJA 0.000684 0.000675 1.013456 0.3112
DIJA^2 0.036449 0.013420 2.716092 0.0068
Sum squared resid 8.07E-05 Schwarz criterion -13.20456
r 2=0.000118+0.000684∗DIJA+ 0.036449∗DIJA 2
H 0 :α 1=α 2=0
{ H 1 : fie α 1 , α 2 ≠ 0
Pagina | 32
Testul Jarque-Bera
H 0 :sk =0 si k=3
{ H 1 : sk ≠0 sau k ≠ 3
P value este foarte mic. Deci putem respinge ipoteza nula, concluzionand ca datele nu sunt
normal distribuite. Distributia este leptocurtica deoarece k>3.
200
Series: Residuals
Sample 1 768
3.Modelul CAPM Mean 0.000803
120 Median 0.000342
Maximum 0.048113
Minimum -0.065400
80 Std. Dev. 0.011332
Modelul CAPM, dezvoltat de Skewness -0.329497
Kurtosis 7.538584
40
Sharpe(1964), Lintner(1965) si Jarque-Bera 673.0565
0
Mosin(1966) a fost si este inca, unul -0.050 -0.025 0.000 0.025 0.050
dintre cele mai apreciate modele in

finante.A fost utilizat in foarte multe domenii financiare, fiind principalul instrument de
calcul pentru costul capitalului si rata de rentabilitate ceruta pentru fondurile de investitii.
Legă tura dintre risc si randament este unul dintre conceptele fundamentale din
economie, care i-a preocupat intotdeauna pe investitori. Acestia au cautat intotdeauna sa
identifice riscul de investire. Modelul CAPM, sustine ca beta, reprezinta singurul
instrument de masura al riscului sistematic relevant pentru investitori, si o relatie pozitiva
intre acesta si randamentul asteptat trebuie sa existe. Tocmai datorita importantei sale este
unul din cele mai testate modele din economie.
Principala preocupare în testarea CAPM este dacă relația dintre beta și

randamentele așteptate este una pozitivă și semnificativă din punct de vedere statistic.
Pagina | 33
Ecuatie de regresie testata este urmatoarea:
¿¿
unde Rp este randamentul portofoliului pietei, Rf-randamentul activului fara

risc iar Ri randamentul activului financiar i.
3.1.Actiunea Coca-Cola
Dependent Variable: COLA_RF

Date: 11/17/10 Time: 19:04
Sample: 1 768
C 0.000542 0.000489 1.109428 0.2676
DIJA_RF 0.953042 0.007726 123.3625 0.0000
Ecuaţia de regresie a modelului CAPM este COLA_RF = 0.0005423505832 +

0.9530423017*DIJA_RF. La creşterea rentabilită ţii pieţei cu 1 punct procentual
rentabilitatea acţiunii Coca Cola va creste cu 0.9530423017.
Validarea modelului
.3
Coeficientul de determinatie .2 R2
.1
are o valoare de 95%. Acest lucru
.0
semnifica faptul ca 95% din -.1
evolutia variabilei dependente este -.2

-.3
influentata de variabila explicativa.
-.4
-.5
-.6
100 200 300 400 500 600 700
COLA_RF
Pagina | 34
Doar 5% din variatia rentabilitatii suplimentare a actiunii Coca-Cola se datoreaza unor
factori neinclusi in model.
H 0 : β=0
{ H1 : β ≠ 0
H 0 :α =0
H 1 :α ≠ 0
Testul t pentru coeficientul beta are urmatoarele ipoteze:
H 0 : β=1
H1: β ≠ 1
T statistic calculat este -6.01 fiind in afara intervalului (–t critic( -2.2458); t
este bilateral.
H 0 : β=1
H 1 : β> 1
T statistic calculat este -6.01 mai mic decat t critic(1.96) deci ipoteza nula nu poate fi
respinsa.
Pagina | 35
este unilateral dreapta.
H 0 : β=1
H 1 : β< 1
T statistic calculat este -6.01 mai mic decat t critic(-1.96) deci ipoteza nula se
respinge.
T critic a fost obtinut apeland functia .12
Excel TINV(0.05; 766). In acest caz, testul t .08
REZ_COLARF
.04
este unilateral stanga.
.00
-.04
In concluzie beta este mai mic decat 1,
-.08
deci actiunea Coca Cola are un risc sistematic -.10 -.05 .00 .05 .10
REZ_COLARF(-1)
mai redus decat al pietei.

din model.
H 0 : ρ=0
{ H 1 : ρ ≠0
Dependent Variable: REZ_COLARF

Date: 11/18/10 Time: 00:17
REZ_COLARF(-1) -0.077862 0.036020 -2.161596 0.0310
Pagina | 36
P value este mai mic de 5%. Astfel, vom respinge ipoteza nula, si vom concluziona ca
exista autocorelare.
autocorelarea este prezenta.
Modelul necestita corectare.
 Model dinamic de regresie

Date: 11/18/10 Time: 00:20
C 0.000585 0.000489 1.196143 0.2320
DIJA_RF 0.954380 0.007781 122.6615 0.0000
DIJA_RF(-1) 0.071031 0.035479 2.002038 0.0456
COLA_RF(-1) -0.078480 0.036263 -2.164169 0.0308
Ecuaţia de regresie a modelului Sharp este COLA_RF = 0.0005850264902 +

0.9543797972*DIJA_RF + 0.07103112244*DIJA_RF(-1) - 0.07847979334*COLA_RF(-1).
95% din evolutia variabilei dependente este influentata de variabila explicativa. Doar 5%
din variatia randamentului suplimentar al actiunii este determinata de factori neinclusi in
model, specifici firmei.
Modelul este valid deoarece p-value pentru teste F este mic, si astfel respingem
ipoteza nula, conform careia toti coeficientii regresiei sunt nuli.
Pentru coeficientii ecuatiei de regresie DIJA, DIJA_RF(-1) si CocaCola_rf(-1) putem

respinge ipoteza nula si concluziona ca ei sunt semnificativi diferiti de 0. Pentru termenul
liber ne aflam in zona de indecizie.
Pagina | 37
.08
.06
.04
.02
R_DINAM .00
-.02
-.04
-.06
-.08
-.08 -.04 .00 .04 .08
R_DINAM(-1)

Date: 11/18/10 Time: 00:25
Convergence achieved after 4 iterations
C 0.000536 0.000453 1.184067 0.2368
DIJA_RF 0.954395 0.007777 122.7246 0.0000
AR(1) -0.078372 0.036245 -2.162306 0.0309
Inverted AR Roots -.08
Ecuaţia noului model de regresie este urmatoarea :

COLA_RF = 0.0005361936068 + 0.9543952381*DIJA_RF + [AR(1)=-0.07837244733]
Coeficientul R2 este 0.9523 şi arată gradul de determinaţie utilizat pentru a spune în
ce mă sură modelul de regresie explică dependenţa dintre variabile.
Validitatea modelului de regresie este data de testul F-statistic. Întrucâ t
probabilitatea testului F este de 0,0000000 atunci modelul de regresie construit este valid.
Coeficienţii modelului dinamic sunt semnificativi diferiţi de zero cu excepţia termenului
liber unde cu un p-value de 0,23 suntem in regiunea de incertitudine.
Pagina | 38
Testul White
H 0 : σ 2i =σ 2 i=1. .n
{ H 1 : ∃i a . i. σ 2i ≠ σ 2
r 2t =∝0 +∝1 x t + α 2 xt 2+ v t

Test Equation:
Date: 11/18/10 Time: 00:27
Sample: 1 768
C 0.000166 1.85E-05 8.966217 0.0000
DIJA_RF -0.000404 0.000282 -1.432998 0.1523
DIJA_RF^2 0.004349 0.001494 2.911670 0.0037
r 2=0.000166−0.000404∗DIJA +0.004349∗DIJA 2
H 0 :α 1=α 2=0
{ H 1 : fie α 1 , α 2 ≠ 0
Pagina | 39
concluzionam prezenta
.4
heteroscedasticitatii. .3
.2
Teste de normalitate .1
.0
-.1
Testul Jarque-Bera -.2

-.3
-.4
H 0 :sk =0 si k=3 -.5
{ H 1 : sk ≠0 sau k ≠ 3
100 200 300 400
MICRO_RF
500 600 700
P value este foarte mic. Deci

putem respinge ipoteza nula, concluzionand ca datele nu sunt normal distribuite.
Distributia este leptocurtica deoarece k>3.
3.2.Actiunea Microsoft
Dependent Variable: MICRO_RF

Date: 11/18/10 Time: 00:33
Sample: 1 768
C 0.000324 0.000575 0.564199 0.5728
DIJA_RF 1.000859 0.009086 110.1567 0.0000
200
Log likelihood 2090.581 F-statistic 12134.49 Series: Residuals
Durbin-Watson stat 1.982175 Prob(F-statistic) 0.000000 Sample 1 768
Mean 3.83E-18
120 Median -4.09E-05
Maximum 0.080329
Minimum -0.071042
80 Std. Dev. 0.013534
Ecuaţia de regresie a Skewness 0.099222
Kurtosis 8.123084
40
modelului CAPM este MICRO_RF Jarque-Bera 841.1319
= 0.0003243747516 + 0
-0.05 0.00 0.05
1.000859474*DIJA_RF. La
Pagina | 40
creşterea rentabilită ţii pieţei cu 1 punct procentual rentabilitatea acţiunii Coca Cola va
creste cu 1.000859474.
Validarea modelului

din variatia rentabilitatii suplimentare a actiunii Microsoft se datoreaza unor factori
neinclusi in model.
H 0 : β=0
{ H1 : β ≠ 0
H 0 :α =0
H 1 :α ≠ 0
H 0 : β=1
H1: β ≠ 1
T statistic calculat este 0.094 fiind in intervalul (–t critic( -2.2458); t critic(2.2458)),
si astfel nu respingem ipoteza nula.
Pagina | 41
este bilateral.
H 0 : β=1
H 1 : β> 1
T statistic calculat este 0.094 mai mic decat t critic(1.96) deci ipoteza nula nu poate
fi respinsa.
H 0 : β=1
H 1 : β< 1
T statistic calculat este 0.094 mai mare decat -t critic(-1.96) deci ipoteza nula nu se
respinge.
In concluzie beta este egal cu 1, deci actiunea Microsoft are un risc sistematic egal cu
al pietei.
.12
.08
.04
REZ_MICRO
.00
-.04
-.08
y t =β 0+ β x t +e t -.12
-.15 -.10 -.05 .00 .05 .10
REZ_MICRO(-1)
din model.
Pagina | 42
H 0 : ρ=0
{ H 1 : ρ ≠0
Dependent Variable: REZ_MICRO

Date: 11/18/10 Time: 00:40
REZ_MICRO(-1) 0.008912 0.036130 0.246676 0.8052
P value este mai mare de 5%. Astfel, nu vom respinge ipoteza nula.
Testul White
H 0 : σ 2i =σ 2 i=1. .n
{ H 1 : ∃i a . i. σ 2i ≠ σ 2
r 2t =∝0 +∝1 x t + α 2 xt 2+ v t

Test Equation:
Date: 11/18/10 Time: 00:43
Sample: 1 768
C 0.000234 2.97E-05 7.886709 0.0000
DIJA_RF 0.000918 0.000451 2.036879 0.0420
Pagina | 43
DIJA_RF^2 0.004372 0.002390 1.829654 0.0677
r 2=0.000234+0.000918∗DIJA+0.004372∗DIJA2
H 0 :α 1=α 2=0
{ H 1 : fie α 1 , α 2 ≠ 0
160
Series: Residuals
Sample 1 768
Observations 768
120
Mean 3.52E-18
Median -7.27E-05
Maximum 0.089885
80
Minimum -0.104369
Testul Jarque-Bera Std. Dev. 0.015917
Skewness -0.086693
40 Kurtosis 10.45435
Jarque-Bera 1779.117
H 0 :sk =0 si k=3 Probability 0.000000
{ H 1 : sk ≠0 sau k ≠ 3
0
-0.10 -0.05 0.00 0.05
P value este foarte mic. Deci

putem respinge ipoteza nula, concluzionand ca datele nu sunt normal distribuite.
Pagina | 44
.3
.2
3.3.Actiunea McDonalds .1
.0
-.1
Dependent Variable: MCDON_RF -.2
Method: Least Squares -.3
Date: 11/18/10 Time: 00:47 -.4
-.5
Sample: 1 768
-.6
Included observations: 768 100 200 300 400 500 600 700
Variable Coefficient Std. Error t-Statistic Prob. MCDON_RF
C 0.000910 0.000462 1.968986 0.0493

DIJA_RF 0.971978 0.007304 133.0730 0.0000
.4
.2
.0
DIJA_RF
-.2
-.4
-.6
-.6 -.5 -.4 -.3 -.2 -.1 .0 .1 .2 .3
MCDON_RF
Ecuaţia de regresie a modelului CAPM este MCDON_RF = 0.0009100424092 +

0.9719784295*DIJA_RF. La creşterea rentabilită ţii pieţei cu 1 punct procentual
rentabilitatea acţiunii Coca Cola va creste cu 0.9719784295.
Validarea modelului

Pagina | 45
din variatia rentabilitatii suplimentare a actiunii Microsoft se datoreaza unor factori
neinclusi in model.
H 0 : β=0
{ H1 : β ≠ 0
H 0 :α =0
H 1 :α ≠ 0
H 0 : β=1
H1: β ≠ 1
T statistic calculat este -3.85 nefiind in intervalul (–t critic( -2.2458); t

este bilateral.
H 0 : β=1
H 1 : β> 1
T statistic calculat este -3.85 mai mic decat t critic(1.96) deci ipoteza nula nu poate fi
respinsa.
Pagina | 46
H 0 : β=1
H 1 : β< 1
T statistic calculat este -3.85 mai mic decat -t critic(-1.96) deci ipoteza nula se
respinge.
In concluzie beta este mai mic decat 1, deci actiunea McDonalds are un risc
sistematic mai mic decat al pietei.
.06
.04
.02
RESID_MC
.00
-.02
-.04
Analizand graficul, autocorelare nu
-.06
este evidenta. Astfel vom trece la estimarea
-.08
lui ρdin model. -.08 -.04 .00 .04 .08
RESID_MC(-1)
H 0 : ρ=0
{ H 1 : ρ ≠0
Dependent Variable: RESID_MC

Date: 11/18/10 Time: 00:53
RESID_MC(-1) 0.014324 0.036128 0.396473 0.6919
Pagina | 47
P value este mai mare de 5%. Astfel, nu vom respinge ipoteza nula, fiind in zona de
incertitudine.
Testul White
H 0 : σ 2i =σ 2 i=1. .n
{ H 1 : ∃i a . i. σ 2i ≠ σ 2
r 2t =∝0 +∝1 x t + α 2 xt 2+ v t

Test Equation:
Date: 11/18/10 Time: 00:54
Sample: 1 768
C 0.000151 1.53E-05 9.860902 0.0000
DIJA_RF 0.000563 0.000233 2.412944 0.0161
DIJA_RF^2 0.002792 0.001237 2.257437 0.0243
Pagina | 48
r 2=0.000151+ 0.000563∗DIJA+ 0.002792∗DIJA 2
H 0 :α 1=α 2=0
{ H 1 : fie α 1 , α 2 ≠ 0
Testul Jarque-Bera 200

Series: Residuals
Sample 1 768
H 0 :sk =0 si k=3
{ H 1 : sk ≠0 sau k ≠ 3
120
Mean
Median
Maximum
Minimum
3.57E-18
-0.000545
0.049538
-0.069971
80 Std. Dev. 0.012795
Skewness -0.291746
P value este foarte mic. Deci Kurtosis 7.085403
40
putem respinge ipoteza nula, Jarque-Bera 544.9914
concluzionand ca datele nu sunt 0
-0.050 -0.025 0.000 0.025 0.050
normal distribuite. Distributia
este leptocurtica deoarece k>3.
Bibliografie
Pagina | 49
www.wikipedia.org
„Introducere in statistica multivariata”, Valentin Colocotici, Universitatea Alexandru Ioan Cuza,

Iasi, 2007
Cursuri si seminarii de econometrie, Liliana Spircu
Pagina | 50

Proiect Econometrie

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Proiect Econometrie

Încărcat de

Drepturi de autor:

Formate disponibile

ASE BUCURESTI

Testarea statistica de semnificatie este o metoda de stabilire a gradului de

Efectuarea unui test de semnificatie este o metoda folosita pentru a testa o

O testare statistica de semnificatie se efectueaza în cinci pasi consecutivi:

Pasul 1: Specificarea ipotezei alternative si a ipotezei nule

Discutia in jurul testarii statistice de semnificatie începe cu ultimul pas. Aici un

Nivelul de semnificatie se doreste a fi cat maivmic posibil, intrucâ t este de fapt

Principalele utilizari ale testului t sunt:

 Daca media unui esantion are o valoare specificata in ipoteza nula

Test unilateral stanga

Test unilateral dreapta

β ¿- valoare precizata, de obicei cea mai nefavorabila

H1: ipoteza alternativa, care se valideaza prin respingerea ipotezei nule

Testul t este calculat pentru fiecare coeficient al ecuatiei de regresie.

Cele mai utilizat nivele de semnificatie: 0.01 0.05 0.1

Nivelul de semnificatie ales pentru acest proiect este 0.05

Valoarea calculata a testul t este comparata cu valoarea sa teoretica, care se obtine

a) Test bilateral: -t critic<t calculat< t critic  regiunea de acceptare a H0

p>0.85 se accepta ipoteza nula

altfel  zona de indecizie

H1: ipoteza alternativa, care se valideaza prin respingerea ipotezei nule

Nivelul de semnificatie este probabilitatea de respingere a ipotezei nule, atunci cand

Cele mai utilizat nivele de semnificatie: 0.01 0.05 0.1

Nivelul de semnificatie ales pentru acest proiect este 0.05

valorilor ajustate de la valorile observate)

observate y de la media lor.

SST=SSR+SSE  descrie descompunerea variantei totale in componenta explicata

Statistica F urmeaza o distributie Fisher Snedecor.

Astfel, pentru o ecuatie de regresie: y i=β 0 + β 1 x i 1+ β 2 x i 2+ …+ β k x ik + ε i ,

β 0 + β 1 x i 1+ β 2 xi 2 +…+ β k x ik reprezinta componenta liniara, iar ε i componenta neexplicata.

p>0.85 se accepta ipoteza nula

altfel  zona de indecizie

II. Teste bazate pe reziduuri

Analiza statistică a ecuaţiei de regresie este bazată pe ipotezele Gauss-Markov

Examinarea reziduurilor poate dezvalui variatia heterogenitatii sau nonlinieritatea.

Alternativă la testarea White este testul Breusch-Pagan.

2.1 Specificarea ipotezelor

2.2 Nivelul de semnificatie

Nivelul de semnificatie este probabilitatea de respingere a ipotezei nule, atunci cand

Nivelul de semnificatie ales pentru acest proiect este 0.05

2.3 Pasi ce trebuie urmati

Pentru ecuatie de regresie:

ρ- coeficient de autocorelare, ρ=corr(rt,rt-1)

ρ  1 => autocorelare pozitiva

ρ -1 => autocorelare negativa

ρ0 => nu am autocorelare

Nivelul de semnificatie ales pentru acest

Analiza autocorelarii de ordin superior poate fi facuta cu ajutorul testului Breuch-

Corectarea modelului, in cazul prezentei autocorelatiei, se poate face astfel:

 Model de regresie dinamic

y t −^ρ y t−1=δ0 + β 0 ( x t −^ρ x t−1 ) +v t

III. Teste de normalitate

1.Testul Jarque-Bera de normalitate

Nivelul de semnificatie ales pentru acest proiect este 0.05

^ < χ 2α ( 2 ) →accept ipoteza nula

Decizia poate fi luata si pe baza lui p-value.

IV. Studiu aplicativ- Modelul Sharpe si Modelul CAPM

Preturile de inchidere ale actiunilor au fost ajustate in functie de dividende.

Nivelul de semnificatie folosit este de 5%.

Indicator Coca Cola McDonalds Microsoft DIJA Rata fara

Indicator Randament Coca Randament Randament Randament Randament

Continuatorul ideilor economice ale lui Markowitz, W. Sharpe a plecat de la premisa

Ri=α + β R p +ε unde Ri este randamentul titlului, Rp randamentul pietei iar ε

2.1.Actiunea Cola Cola