Metode Cantitative Aplicate in Finanţe: CURS 10

ACADEMIA DE STUDII ECONOMICE DIN BUCUREŞTI
Facultatea de Finanţe, Asigurări, Bănci şi Burse de Valori

Master Finanţe Corporative
METODE CANTITATIVE
APLICATE IN FINANŢE
~ CURS 10 ~
• 11 Decembrie 2019
• 18 Decembrie 2019
Lect. univ. dr. Gherghina Ştefan-Cristian
METODE CANTITATIVE
APLICATE DATELOR DE
TIP PANEL
METODE CANTITATIVE APLICATE DATELOR DE TIP PANEL (1)
 Structura datelor de tip panel: Unităţi transversale aranjate într-o

perioadă de timp (date longitudinale)
 Numărul de observaţii este N x T
 Dimensiunea transversală (N) ar trebui să fie mai mare decât dimensiunea

timpului (T)
 Exemplu: 50 de întreprinderi pe câte 5 perioade de timp

 Notaţie generală
Numărul Timp Variabila 1 Variabila 2

unităţii Xit Yit
1 1 X11 Y11
1 … X1t Y1t
1 T X1T Y1T
… 1 Xi1 Yi1
… … Xit Yit
… T XiT YiT
N 1 XN1 YN1
N … XNt YNt
N T XNT YNT
 Notaţie generală
Cross section
 y 11 y 21  y i 1  y N 1 
y 
y 22  y i 2  y N 2 
 12
Time series
      
 
y
 1t y 2t  y it  y Nt 
      
 
y 1T y 2T  y iT  y NT 
Companie An CAPINT INVINT D_A LTD_A D_E RDINT CR EM ROA ROE AUDITF CEOS CEOB TA EMPL AG
A 2010 0,1011 0,0738 0,6671 0,2259 1,1400 13,0289 2,0000 3,0000 0,0790 0,2386 8,6130 15,0416 0,0000 15,7545 9,3927 0,3439
A 2011 0,1111 0,0991 0,5243 0,2133 0,5100 13,0523 3,0300 2,1000 0,1079 0,2686 8,5899 15,1495 0,0000 15,6929 9,3927 -0,0598
A 2012 0,1105 0,0962 0,5082 0,2005 0,4600 13,1565 2,4500 2,0300 0,1177 0,2430 8,4921 14,8652 0,0000 15,9112 9,3927 0,2439
A 2013 0,1061 0,0998 0,5053 0,2526 0,5100 13,1760 3,1100 2,0200 0,0682 0,1383 8,2383 15,3264 0,0000 15,8783 9,3927 -0,0324
A 2014 0,0583 0,0530 0,5108 0,1535 0,3100 13,1817 3,2300 2,0400 0,0468 0,0952 8,6623 15,7907 0,0000 15,9729 9,3927 0,0992
AA 2010 0,5137 0,0658 0,6536 0,2250 0,6800 11,7859 1,3200 2,9000 0,0103 0,0200 9,0778 14,1520 14,7726 17,1956 10,9853 0,0930
AA 2011 0,4806 0,0723 0,6549 0,2154 0,6800 11,7928 1,2800 2,9100 0,0203 0,0447 9,0628 14,1755 14,2243 17,2493 11,0186 0,0551
AA 2012 0,4716 0,0703 0,6715 0,2068 0,6700 11,9401 1,3000 3,0600 0,0040 0,0140 9,2219 14,1802 14,7254 17,2317 11,0186 -0,0174
AA 2013 0,4935 0,0757 0,7036 0,2128 0,7900 11,8817 1,1400 3,3900 0,0591 0,1931 9,2269 14,1802 14,9716 17,0738 11,0021 -0,1461
AA 2014 0,4392 0,0824 0,6710 0,2345 0,7200 12,0100 1,4900 3,0500 0,0048 0,0217 9,2429 14,1802 14,9877 17,2468 10,9853 0,1889
AAP 2010 0,3408 0,5179 0,6901 0,0897 0,3300 0,0000 1,1500 3,2300 0,1077 0,2968 6,9334 15,2432 12,2061 14,7348 10,2751 0,1687
AAP 2011 0,3346 0,5310 0,7681 0,1136 0,5100 0,0000 1,0500 4,3100 0,1126 0,4171 6,9078 15,0702 0,0000 14,8537 10,2751 0,1263
AAP 2012 0,2800 0,4730 0,7376 0,1310 0,5100 0,0000 1,2400 3,8100 0,0938 0,3758 7,0238 15,2701 0,0000 15,0659 10,3417 0,2364
AAP 2013 0,2307 0,4357 0,7275 0,1892 0,6900 0,0000 1,4400 3,6700 0,0770 0,2867 7,2612 15,2750 0,0000 15,2142 10,6271 0,1599
AAP 2014 0,1799 0,4790 0,7485 0,2055 0,8200 0,0000 1,2700 3,9800 0,0730 0,2798 8,1588 15,8119 0,0000 15,7079 10,6359 0,6384
AAPL 2010 0,0634 0,0000 0,3643 0,0000 0,0000 14,0919 2,0100 1,5700 0,2284 0,3528 8,4470 15,2446 0,0000 17,8362 10,7494 0,7233
AAPL 2011 0,0668 0,0000 0,3416 0,0000 0,0000 14,3709 1,6100 1,5200 0,2706 0,4167 8,6165 15,2446 0,0000 18,2725 11,0087 0,5469
AAPL 2012 0,0878 0,0000 0,3286 0,0000 0,0000 14,7736 1,5000 1,4900 0,2854 0,4284 8,6050 15,2631 0,0000 18,7350 11,1955 0,5880
AAPL 2013 0,0802 0,1040 0,4031 0,0819 0,1400 15,0428 1,6800 1,6800 0,1934 0,3064 8,7667 16,0372 0,0000 18,8466 11,2935 0,1181
AAPL 2014 0,0890 0,0728 0,5189 0,1250 0,3200 15,3087 1,0800 2,0800 0,1801 0,3361 8,9331 16,1458 0,0000 19,0239 11,4360 0,1940
ABC 2010 0,0493 0,3609 0,7953 0,0930 0,4500 0,0000 1,0800 4,8900 0,0450 0,2221 0,0000 15,3437 0,0000 16,1755 9,1160 0,1419
ABC 2011 0,0449 0,3633 0,8087 0,0649 0,4800 0,0000 1,0500 5,2300 0,0474 0,2396 0,0000 15,7695 0,0000 16,2309 9,1485 0,0570
ABC 2012 0,0482 0,3544 0,8410 0,0904 0,5700 0,0000 0,9800 6,2900 0,0500 0,2861 8,0462 16,3004 0,0000 16,3012 9,5030 0,0728
ABC 2013 0,0425 0,3690 0,8774 0,0738 0,6000 0,0000 0,9700 8,1600 0,0287 0,2067 8,4325 16,1083 0,0000 16,4538 9,3927 0,1648
ABC 2014 0,0418 0,3991 0,9091 0,0927 1,0200 0,0000 0,9700 11,0000 0,0140 0,1328 0,0000 16,1951 0,0000 16,6515 9,4727 0,2186
 Reprezentarea grafică
.30
.25
.20
.15
.10
.05
.00
2010 2011 2012 2013 2014
A AA AAP
AAPL ABC
 Reprezentarea grafică
.3
.2
ROA
.1
0
2010 2011 2012 2013 2014

An
A AA
AAP AAPL
ABC
 Avantajele structurii de tip panel

• Datele de tip panel fac posibilă estimarea relaţiilor în dinamică
chiar dacă datele sunt disponibile pentru o perioadă scurtă de
timp: prin creşterea numărului observaţiilor (N x T)
• Încorporează dimensiunea timp pentru datele în secţiune

transversală şi dimensiunea spaţiu pentru serii temporale
• Eficienţă sporită a estimărilor modelelor de regresie prin mărimea
eşantionului, creşterea heterogenităţii, reducerea colinearităţii
• Capacitatea de a controla efectele individuale fixe - ceea ce este

comun unui individ de-a lungul timpului, dar care poate varia
între indivizi
• Abilitatea de a modela efectele temporale fără deplasarea datorată
agregării
 Termenul eroare
 Termenul eroare include întotdeauna toţi factorii neobservabili care

determină variabila rezultativă Y
 Termenul eroare într-un model de regresie pe date de tip panel are 3
componente
ROAit = β 0 + β1CRit + β 2TAit + uit

ROAit = β 0 + β1CRit + β 2TAit + α i + µt + ε it
Efect neobservat Efect neobservat Efect neobservat specific

specific individului specific timpului individului şi timpului
 αi capturează impactul variabilelor neobservate constante în timp

pentru un anumit individ, dar care variază între indivizi: calitatea
managementului (firma), sexul (individ), calitatea instituţiilor (ţări)
 μt capturează impactul variabilelor neobservate care afectează în acelaşi

fel toţi indivizii într-o anumită perioadă de timp, însă variază în timp:
modificări de politică, rata de schimb, schimbarea valorilor în societate
 εit capturează impactul variabilelor neobservate care variază atât între

indivizi cât şi în timp: norocul, starea de bine
uit = α i + µ t + ε it
 Dacă se face o secţiune transversală (se observă N întreprinderi la un
moment de timp t, de exemplu t = 2014)
ROA1 2014 = β 0 + β 1CR1 2014 + β 2TA1 2014 + α 1 + µ 2014 + ε 1 2014
ROAi 2014 = β 0 + β 1CRi 2014 + β 2TAi 2014 + α i + µ 2014 + ε i 2014
ROAN 2014 = β 0 + β 1CRN 2014 + β 2TAN 2014 + α N + µ 2014 + ε N 2014

 Secţiune transversală
 Există o singură observaţie pentru fiecare individ → variaţia dintre

rezultate provine de la variaţia dintre indivizi
 În acest caz nu există deosebire între efectele neobservate specifice

individului şi efectele neobservate specifice individului şi timpului
 Date de tip panel
 Observaţii repetate în diverse momente de timp pentru acelaşi individ
ROA1 2012 = β 0 + β 1CR1 2012 + β 2TA1 2012 + α 1 + µ 2012 + ε 1 2012

ROA1 2013 = β 0 + β 1CR1 2013 + β 2TA1 2013 + α 1 + µ 2013 + ε 1 2013
ROA1 2014 = β 0 + β 1CR1 2014 + β 2TA1 2014 + α 1 + µ 2014 + ε 1 2014
ROA2 2012 = β 0 + β 1CR2 2012 + β 2TA2 2012 + α 2 + µ 2012 + ε 2 2012

ROA2 2013 = β 0 + β 1CR2 2013 + β 2TA2 2013 + α 2 + µ 2013 + ε 2 2013
ROA2 2014 = β 0 + β 1CR2 2014 + β 2TA2 2014 + α 2 + µ 2014 + ε 2 2014
 Metoda celor mai mici pătrate
 Una din ipotezele metodei celor mai mici pătrate este: Cov(Xi, Ui) = 0
 Se presupune că toate cele trei componente sunt independente între ele şi cu

variabila X
uit = α i + µt + ε it
 Descompunerea termenului eroare indică faptul că una dintre presupunerile
metodei celor mai mici pătrate nu va fi respectată: “Două observaţii ale
aceluiaşi individ vor fi mai asemănătoare comparativ cu două observaţii
provenind de la doi indivizi diferiţi”
Cov( X i ,α i ) ≠ 0
 Metoda celor mai mici pătrate grupată (Pooled ordinary least squares)
 Este cea mai simplă abordare
 Combină într-o singură mulţime ambele dimensiuni
 Renunţă la structura temporală şi transversală
 Exemplu: Se estimează parametrii ecuaţiei de regresie liniară
ROAit = β 0 + β1CRit + β 2TAit + uit

 unde i este individul, iar t este timpul
 Metoda celor mai mici pătrate grupată va furniza estimatori ai parametrilor

constanţi fără diferenţiere între indivizi şi timp
 Din cauza componentei efectului neobservat specific indivizilor una din

ipotezele pe care se bazează metoda celor mai mici pătrate poate fi nerespectată
Cov( X i ,α i ) ≠ 0
 Presupunerea că fiecare eroare în fiecare perioadă de timp, pentru fiecare
persoană, este necorelată cu variabilele şi efectele pentru fiecare persoană şi de-
a lungul timpului, poate să nu fie respectată
 Structura de tip panel are dimensiunea timp, deci corelaţia dintre erori succesive
poate să conducă la violarea ipotezei privind non-autocorelarea erorilor
 Estimatorii obţinuţi nu vor fi deplasaţi însă vor fi neeficienţi (informaţia cu

privire la autocorelarea erorilor poate fi folosită pentru obţinerea de estimatori
mai buni)
Dependent Variable: ROA

Method: Panel Least Squares
Date: Time:
Sample: 2010 2014
Periods included: 5
Cross-sections included: 236
Total panel (balanced) observations: 1180
Variable Coefficient Std. Error t-Statistic Prob.
C -0.032196 0.145125 -0.221852 0.8245

CR 0.021003 0.009515 2.207493 0.0275
TA 0.005445 0.008427 0.646093 0.5183
R-squared 0.004145 Mean dependent var 0.094203

Adjusted R-squared 0.002453 S.D. dependent var 0.371491
S.E. of regression 0.371035 Akaike info criterion 0.857500
Sum squared resid 162.0343 Schwarz criterion 0.870398
Log likelihood -502.9251 Hannan-Quinn criter. 0.862363
F-statistic 2.449369 Durbin-Watson stat 1.969597
Prob(F-statistic) 0.086788
. xtset Intreprindere An, yearly
panel variable: Intreprindere (strongly balanced)
time variable: An, 2010 to 2014
delta: 1 year
.
. regress ROA CR TA
Source SS df MS Number of obs = 1180

F( 2, 1177) = 2.45
Model .674395699 2 .337197849 Prob > F = 0.0868
Residual 162.034305 1177 .137667209 R-squared = 0.0041
Adj R-squared = 0.0025
Total 162.7087 1179 .138005683 Root MSE = .37104
ROA Coef. Std. Err. t P>|t| [95% Conf. Interval]
CR .0210034 .0095146 2.21 0.027 .0023359 .0396708

TA .0054447 .0084271 0.65 0.518 -.0110891 .0219785
_cons -.0321963 .1451253 -0.22 0.824 -.3169294 .2525369
 Metode specifice datelor de tip panel
 Permit diferenţierea comportamentului între indivizi şi în perioade diferite

de timp
 Efecte fixe: atunci când există corelaţie între X şi αi
 Efecte aleatoare: atunci când corelaţia între X şi αi este zero

 Model cu efecte fixe
y it x it β + u it=i 1,...,
= = N ; t 1,..., T
u=
it α i + ε it
 Ipotezele privind termenul eroare ε: zgomot alb
• Media zero a erorilor
• Dispersia erorilor constantă
• Non-autocorelarea erorilor
 Efectul individual este un parametru fix → model cu termeni liberi

individuali
 Ipotezele privind efectele individuale αi:

 Ipoteză: Nu există corelaţie între efectul individual şi termenul eroare ε
( )
E α i ε it = 0
 Dar poate exista corelaţie între efectul individual şi variabilele
( )
explicative
E xitα i ≠ 0 ⇔ fixed effects model
 Modelul pentru o singură observaţie
y it =α i + x it β + ε it i=
1,..., N ; t =
1,..., T
 Modelul pentru întreprinderea i:
 y i1   1   x i11  x iK1   β 1   ε i1 
         
   =  α i +         +   
 y iT  1  x iT1  x iTK   β K   ε iT 
       
y i =ι T α i + X i β + ε i
 Modelul pentru toate observaţiile
 y1  ι T 0  0   α1   X 1   ε1 
0 ι    
   0   α 2   X 2  ε
 y2   T
+ β +  2 
               
         
 yN   0 0  ι T   α N   X N  ε N 
y = DN α + X β + ε
     
( NT ×1) ( NT × N ) ( N ×1) ( NT × K ) ( K ×1) ( NT ×1)
 Modelul cu efecte fixe poate fi estimat folosind metoda celor mai mici
pătrate cu variabile dummy
 Estimatorul lui β este BLUE (atâta timp cât ε este zgomot alb)
• Calcule complexe dacă N este mare

• Dimensiunea mare a vectorului coeficienţilor poate conduce la
 Dar estimări imprecise
• Pierdere mare a gradelor de libertate
• De multe ori nu suntem interesaţi de toţi parametrii αi dacă N
este mare!
 Scop: Eliminarea efectului individual, adică
• Transformarea prin diferenţe de ordinul I
• Transformarea în interiorul perioadelor de timp (toate
observaţiile se măsoară în deviaţie faţă de media în timp a
fiecărui individ)
 Transformarea în interiorul perioadelor de timp
y it − y i. = ( x it − x i. )β + (ε it − ε i. ) i = 1,..., N ; t = 1,..., T
∑
T
y i. = t =1
y it / T
 Modelul transformat
 Observăm că parametrii α nu mai apar în ecuaţie → aceştia sunt

consideraţi neimportanţi şi nu vor mai fi estimaţi
 Prin aplicarea metodei celor mai mici pătrate clasică ecuaţiei transformate
va rezulta estimatorul obţinut prin metoda celor mai mici pătrate cu
(=
X ′X ) X ′y
variabile dummy numit Within Estimator −1
=
ˆβW    ˆ β LSDV
 Estimatorul modelului cu efecte fixe pentru β
• Nedeplasat
• Consistent în toate cele trei cazuri (N mare & T fix, T mare

& N fix, N & T mari
• Eficient
• Asimptotic normal distribuit

 Estimarea termenilor liberi individuali
αˆ i ,W= y i − x i βˆ W
 Dacă modelul iniţial include o constantă μ, atunci este estimat efectul
compus αi+ μ (interpretare diferită a lui αi )
 Nu este posibilă identificarea efectelor individuale decât în cazul în care se

face o presupunere suplimentară
∑ αi = 0
N
i =1
 Estimatorii pentru αi nu sunt consistenţi pentru N mare → numărul

parametrilor creşte odată cu creşterea lui N

Method: Panel Least Squares
Date: Time:
Sample: 2010 2014
Periods included: 5
C 0.053770 0.677644 0.079348 0.9368

CR -0.031050 0.025087 -1.237662 0.2161
TA 0.005856 0.041160 0.142271 0.8869
Effects Specification
Cross-section fixed (dummy variables)

S.E. of regression 0.366032 Akaike info criterion 1.005934
Sum squared resid 126.2087 Schwarz criterion 2.029187
Log likelihood -355.5011 Hannan-Quinn criter. 1.391705
. xtreg ROA CR TA, fe
Fixed-effects (within) regression Number of obs = 1180

Group vari able: Intreprind~e Number of groups = 236
R-sq: within = 0.0017 Obs per group: min = 5

between = 0.0238 avg = 5.0
overall = 0.0033 max = 5
F(2,942) = 0.79
corr(u_i, Xb) = -0.3375 Prob > F = 0.4527
CR -.0310498 .0250875 -1.24 0.216 -.0802836 .018184

TA .0058559 .0411604 0.14 0.887 -.0749208 .0866326
_cons .0537701 .6776444 0.08 0.937 -1.276097 1.383637
sigma_u .18586689
sigma_e .36603213
rho .20499209 (fraction of variance due to u_i)
F test that all u_i=0: F(235, 942) = 1.14 Prob > F = 0.0988
. xtreg ROA CR TA, fe Cât % din variaţie explică modelul per total

between = 0.0238 avg = 5.0
F(2,942) = 0.79
corr(u_i, Xb) = -0.3375 Prob > F = 0.4527
CR -.0310498 .0250875 -1.24 0.216 -.0802836 .018184

TA .0058559 .0411604 0.14 0.887 -.0749208 .0866326
_cons .0537701 .6776444 0.08 0.937 -1.276097 1.383637
sigma_u .18586689
sigma_e .36603213
. xtreg ROA CR TA, fe Cor(u_i , Xb) ≠ 0 → Model cu efecte fixe


between = 0.0238 avg = 5.0
F(2,942) = 0.79
corr(u_i, Xb) = -0.3375 Prob > F = 0.4527
CR -.0310498 .0250875 -1.24 0.216 -.0802836 .018184

TA .0058559 .0411604 0.14 0.887 -.0749208 .0866326
_cons .0537701 .6776444 0.08 0.937 -1.276097 1.383637
sigma_u .18586689
sigma_e .36603213


between = 0.0238 avg = 5.0
F(2,942) = 0.79
corr(u_i, Xb) = -0.3375 Prob > F = 0.4527

Dacă < α = 0,05 → Se respinge
CR -.0310498 .0250875 -1.24 0.216 -.0802836 .018184 H0, parametrii modelului sunt
TA .0058559 .0411604 0.14 0.887 -.0749208 .0866326
_cons .0537701 .6776444 0.08 0.937 -1.276097 1.383637 semnificativi, modelul poate fi
sigma_u .18586689
estimat
sigma_e .36603213
H0: Parametrii modelului de
F test that all u_i=0: F(235, 942) = 1.14 Prob > F = 0.0988 regresie nu sunt semnificativi
H1: Parametrii modelului de
regresie sunt semnificativi


between = 0.0238 avg = 5.0
F(2,942) = 0.79
corr(u_i, Xb) = -0.3375 Prob > F = 0.4527
CR -.0310498 .0250875 -1.24 0.216 -.0802836 .018184

TA .0058559 .0411604 0.14 0.887 -.0749208 .0866326
_cons .0537701 .6776444 0.08 0.937 -1.276097 1.383637
sigma_u .18586689
sigma_e .36603213
20,49% din variaţie este datorată efectelor dintre

întreprinderi (efectelor fixe)

Group variable: Intreprind~e Number of groups = 236

between = 0.0238 avg = 5.0
F(2,942) = 0.79
corr(u_i, Xb) = -0.3375 Prob > F = 0.4527
CR -.0310498 .0250875 -1.24 0.216 -.0802836 .018184

TA .0058559 .0411604 0.14 0.887 -.0749208 .0866326
_cons .0537701 .6776444 0.08 0.937 -1.276097 1.383637
sigma_u .18586689
sigma_e .36603213
Dacă < 0,05 → Se respinge H0, exista ui (un efect fix) diferit de 0. Modelul este
cu efecte fixe semnificative
F test - testează dacă toţi parametrii sunt 0

H0: ui = 0
H1: Ǝ ui ≠ 0 , i = 1, …, n)
. regress ROA CR TA i.Intreprindere
Source SS df MS Number of obs = 1180

F(237, 942) = 1.15
Model 36.4999954 237 .15400842 Prob > F = 0.0816
Residual 126.208705 942 .133979517 R-squared = 0.2243
Adj R-squared = 0.0292
Total 162.7087 1179 .138005683 Root MSE = .36603
CR -.0310498 .0250875 -1.24 0.216 -.0802836 .018184

TA .0058559 .0411604 0.14 0.887 -.0749208 .0866326
Intreprindere
AA -.1174428 .2403153 -0.49 0.625 -.589058 .3541724
AAP -.0345157 .2369314 -0.15 0.884 -.4994902 .4304589
AAPL .0949377 .2575888 0.37 0.713 -.4105767 .6004521
ABC -.104417 .2363236 -0.44 0.659 -.5681986 .3593646
…
WMT -.07217 .2635164 -0.27 0.784 -.5893172 .4449772
XLNX .1642923 .2450345 0.67 0.503 -.3165844 .6451691
XOM -.0459688 .2808876 -0.16 0.870 -.5972067 .5052691
_cons .0770005 .680756 0.11 0.910 -1.258973 1.412974

 Model cu efecte aleatoare
u=
it α i + ε it
 Ipotezele privind termenul eroare ε: zgomot alb
 Ipotezele privind efectele individuale αi: distribuţia constantă de-a

lungul lui i

 Ipoteză: Nu există corelaţie între efectul individual şi termenul eroare ε
( )
E α i ε it = 0
 Ipoteză: Nu există corelaţie între efectul individual şi variabilele
( )
explicative
E xitα =
i
0 ⇔ random effects model
 Estimator RE
 Se face următoarea transformare pentru fiecare observaţie
y it − θ y i =(1 − θ ) µ + ( x it − θ x i ) β + (u it − θ ui ),
=
i 1,..., N ; t 1,..., T
σε
θ = 1−
σ ε + Tσ α
2 2
Dispersia lui ε Dispersia lui α

Method: Panel EGLS (Cross-section random effects)
Date: Time:
Sample: 2010 2014
Periods included: 5
Swamy and Arora estimator of component variances
C -0.026442 0.151311 -0.174754 0.8613

CR 0.020109 0.009872 2.036938 0.0419
TA 0.005190 0.008792 0.590347 0.5551
Effects Specification
S.D. Rho
Cross-section random 0.058123 0.0246

Idiosyncratic random 0.366032 0.9754
Weighted Statistics

S.E. of regression 0.366488 Sum squared resid 158.0872
Unweighted Statistics

Sum squared resid 162.0355 Durbin-Watson stat 1.969510
. xtreg ROA CR TA, re
Random-effects GLS regression Number of obs = 1180


between = 0.0313 avg = 5.0
Wald chi2(2) = 4.16

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.1249
ROA Coef. Std. Err. z P>|z| [95% Conf. Interval]
CR .0201094 .0098847 2.03 0.042 .0007358 .0394831

TA .00519 .0088025 0.59 0.555 -.0120625 .0224426
_cons -.0264421 .1514993 -0.17 0.861 -.3233753 .2704911
sigma_u .05812251
sigma_e .36603213
 Testarea pentru efecte aleatoare versus efecte fixe
 Dacă se respinge modelul grupat: Se foloseşte modelul cu efecte fixe sau

aleatoare?
 Testul Hausman-Wu
 Se testează dacă efectele individuale aleatoare sunt corelate cu

variabilele explicative (FE) sau nu (RE)
 Compară un estimator care este consistent şi eficient sub ipoteza nulă şi

inconsistent în ipoteza alternativă, cu un estimator care este consistent în
ambele alternative
• H0: (
E xitα i = 0) Nu există corelaţie
FE consistent
Estimatorii FE şi RE
sunt similari RE consistent şi eficient
• H1: ( )
E xitα i ≠ 0
Există corelaţie
FE consistent
Estimatorii FE şi RE RE inconsistent
sunt diferiţi
 H0: Random effects
 H1: Fixed effects
 Regula de decizie: Se respinge ipoteza nulă dacă W este mai mare

decât valoarea critică (sau dacă p-value < o valoare dată a nivelului de
semnificaţie α, în general 0.05)
Correlated Random Effects - Hausman Test

Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 4.935786 2 0.0848
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
CR -0.031050 0.020109 0.000532 0.0265

TA 0.005856 0.005190 0.001617 0.9868
Ipoteza nulă nu poate fi respinsă → Model cu efecte aleatoare

. hausman efecte_fixe efecte_aleatoare
Coefficients
(b) (B) (b-B) sqrt(diag(V_b-V_B))
efecte_fixe efecte_ale~e Difference S.E.
CR -.0310498 .0201094 -.0511593 .0230581

TA .0058559 .00519 .0006659 .0402082
b = consistent under Ho and Ha; obtained from xtreg

B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test: Ho: difference in coefficients not systematic
chi2(2) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 4.94
Prob>chi2 = 0.0847
Ipoteza nulă nu poate fi respinsă → Model cu efecte aleatoare

 Testarea pentru efecte aleatoare
 Există efecte aleatoare? → Testul Multiplicatorului Lagrange Breusch-Pagan
• H0: Nu există efecte aleatoare σ α2 =0 Modelul grupat
• H1: Există efecte aleatoare σ α > 0

2
Model cu efecte aleatoare
 Regula de decizie: Se respinge ipoteza nulă, dacă LM este mai mare

decât valoarea critică (sau dacă p-value < o valoare dată a nivelului de
semnificaţie α, în general 0.05)
. xttest0
Breusch and Pagan Lagrangian multiplier test for random effects
ROA[Intreprindere,t] = Xb + u[Intreprindere] + e[Intreprindere,t]
Estimated results:
Var sd = sqrt(Var)
ROA .1380057 .3714912

e .1339795 .3660321
u .0033782 .0581225
Test: Var(u) = 0
chibar2(01) = 1.13
Prob > chibar2 = 0.1437
Ipoteza nulă nu poate fi respinsă → Modelul grupat este adecvat

 Testarea pentru efecte fixe de timp

. xtreg ROA CR TA i.An, fe


between = 0.0283 avg = 5.0
F(6,938) = 0.83
corr(u_i, Xb) = -0.2613 Prob > F = 0.5483
CR -.0285143 .0251641 -1.13 0.257 -.0778987 .0208701

TA -.01478 .0456769 -0.32 0.746 -.1044207 .0748608
An
2011 .0065596 .0341021 0.19 0.848 -.0603656 .0734849
2012 .0000498 .0349649 0.00 0.999 -.0685687 .0686683
2013 -.0028436 .0355604 -0.08 0.936 -.0726307 .0669434
2014 .0512824 .0369315 1.39 0.165 -.0211955 .1237602
_cons .3755632 .7422038 0.51 0.613 -1.081009 1.832135
sigma_u .18349247
sigma_e .36615221
 Testarea pentru efecte fixe de timp
 Se verifică dacă variabilele dummy pentru toţi anii sunt egale cu zero
(în cazul în care acestea sunt egale cu zero → nu sunt necesare efecte
fixe de timp)
. testparm i.An
( 1) 2011.An = 0
( 2) 2012.An = 0
( 3) 2013.An = 0
( 4) 2014.An = 0
F( 4, 938) = 0.85
Prob > 0.05 → Ipoteza nulă nu

poate fi respinsă → Nu sunt
necesare efecte fixe de timp
 Testarea pentru dependenţă cross-secţională
 Testul Pesaran CD (cross-sectional dependence)
• H0: Reziduurile nu sunt corelate

• H1: Reziduurile sunt corelate
. xtcsd, pesaran abs
Pesaran's test of cross sectional independence = 204.892, Pr = 0.0000
Average absolute value of the off-diagonal elements = 0.641
Dependenţă cross-secţională
 Testarea heteroscedasticităţii
• H0: Homoscedasticitate
• H1: Heteroscedasticitate
. xttest3
Modified Wald test for groupwise heteroskedasticity

in fixed effect regression model
H0: sigma(i)^2 = sigma^2 for all i
chi2 (236) = 8.5e+07

Prob>chi2 = 0.0000 Prezenţa heteroscedasticităţii

Metode Cantitative Aplicate in Finanţe: CURS 10

Încărcat de

Informații document

Titlu original

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

Metode Cantitative Aplicate in Finanţe: CURS 10

Încărcat de

Drepturi de autor:

Formate disponibile

ACADEMIA DE STUDII ECONOMICE DIN BUCUREŞTI

Facultatea de Finanţe, Asigurări, Bănci şi Burse de Valori

 Structura datelor de tip panel: Unităţi transversale aranjate într-o

 Numărul de observaţii este N x T

 Dimensiunea transversală (N) ar trebui să fie mai mare decât dimensiunea

 Exemplu: 50 de întreprinderi pe câte 5 perioade de timp

Numărul Timp Variabila 1 Variabila 2

2010 2011 2012 2013 2014

 Avantajele structurii de tip panel

• Încorporează dimensiunea timp pentru datele în secţiune

• Capacitatea de a controla efectele individuale fixe - ceea ce este

 Termenul eroare include întotdeauna toţi factorii neobservabili care

ROAit = β 0 + β1CRit + β 2TAit + uit

Efect neobservat Efect neobservat Efect neobservat specific

 αi capturează impactul variabilelor neobservate constante în timp

 μt capturează impactul variabilelor neobservate care afectează în acelaşi

 εit capturează impactul variabilelor neobservate care variază atât între

ROA1 2014 = β 0 + β 1CR1 2014 + β 2TA1 2014 + α 1 + µ 2014 + ε 1 2014

ROAi 2014 = β 0 + β 1CRi 2014 + β 2TAi 2014 + α i + µ 2014 + ε i 2014

ROAN 2014 = β 0 + β 1CRN 2014 + β 2TAN 2014 + α N + µ 2014 + ε N 2014

 Există o singură observaţie pentru fiecare individ → variaţia dintre

 În acest caz nu există deosebire între efectele neobservate specifice

 Date de tip panel

 Observaţii repetate în diverse momente de timp pentru acelaşi individ

ROA1 2012 = β 0 + β 1CR1 2012 + β 2TA1 2012 + α 1 + µ 2012 + ε 1 2012

ROA2 2012 = β 0 + β 1CR2 2012 + β 2TA2 2012 + α 2 + µ 2012 + ε 2 2012

 Metoda celor mai mici pătrate

 Se presupune că toate cele trei componente sunt independente între ele şi cu

 Este cea mai simplă abordare

 Combină într-o singură mulţime ambele dimensiuni

 Renunţă la structura temporală şi transversală

 Exemplu: Se estimează parametrii ecuaţiei de regresie liniară

ROAit = β 0 + β1CRit + β 2TAit + uit

 Metoda celor mai mici pătrate grupată va furniza estimatori ai parametrilor

 Din cauza componentei efectului neobservat specific indivizilor una din

 Estimatorii obţinuţi nu vor fi deplasaţi însă vor fi neeficienţi (informaţia cu

Dependent Variable: ROA

Variable Coefficient Std. Error t-Statistic Prob.

C -0.032196 0.145125 -0.221852 0.8245

R-squared 0.004145 Mean dependent var 0.094203

Source SS df MS Number of obs = 1180

ROA Coef. Std. Err. t P>|t| [95% Conf. Interval]

CR .0210034 .0095146 2.21 0.027 .0023359 .0396708

 Metode specifice datelor de tip panel

 Permit diferenţierea comportamentului între indivizi şi în perioade diferite

 Efecte fixe: atunci când există corelaţie între X şi αi

 Efecte aleatoare: atunci când corelaţia între X şi αi este zero

 Model cu efecte fixe

• Media zero a erorilor

• Dispersia erorilor constantă

 Efectul individual este un parametru fix → model cu termeni liberi

• Media zero a erorilor

 Ipoteză: Nu există corelaţie între efectul individual şi termenul eroare ε

 Modelul pentru o singură observaţie

 Modelul pentru toate observaţiile

• Calcule complexe dacă N este mare

 Transformarea în interiorul perioadelor de timp

 Observăm că parametrii α nu mai apar în ecuaţie → aceştia sunt

 Estimatorul modelului cu efecte fixe pentru β

• Consistent în toate cele trei cazuri (N mare & T fix, T mare

• Asimptotic normal distribuit

 Estimarea termenilor liberi individuali

 Nu este posibilă identificarea efectelor individuale decât în cazul în care se