σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Ruta de statsmodels›Módulo 3 · Cortes transversales y colas›Tema 3.2·~1 hAvanzado

Regresiones de Fama–MacBeth

Posición en la rutaMódulo 3 de 3 · Tema 2 de 3
3.2 Regresiones de Fama–MacBeth
—Puntuación del lab— / 100XP total—Racha—

Estimar lo que el mercado paga por un rasgo

¿Las acciones con alto momentum o baja volatilidad ganan más el mes siguiente, y cuánto más? Una sola regresión sobre todas las acciones y todos los meses agrupa 18 00018\,00018000 observaciones como si fueran independientes, pero las acciones del mismo mes comparten el mismo choque de mercado, así que sus errores están correlacionados y los estadísticos t salen demasiado grandes. Fama y MacBeth lo evitaron con dos pasadas. Primero, para cada mes se regresa en corte transversal el rendimiento del mes siguiente sobre las características de hoy: cada mes da una pendiente por característica, el precio que pagó el mercado ese mes. Segundo, se tratan esas pendientes mensuales como una serie temporal: la prima es su promedio, y su error estándar viene de su dispersión, se=s/T\mathrm{se}=s/\sqrt{T}se=s/T​, así que el estadístico t es λˉ/(s/T)\bar\lambda/(s/\sqrt T)λˉ/(s/T​).

yi,t+1=λ0,t+λ1,txi,t+ui,t+1,λ^=1T∑t=1Tλ^t,t=λ^sλ/Ty_{i,t+1}=\lambda_{0,t}+\lambda_{1,t}x_{i,t}+u_{i,t+1},\qquad \hat\lambda=\frac1T\sum_{t=1}^{T}\hat\lambda_t,\qquad t=\frac{\hat\lambda}{s_\lambda/\sqrt{T}}yi,t+1​=λ0,t​+λ1,t​xi,t​+ui,t+1​,λ^=T1​t=1∑T​λ^t​,t=sλ​/T​λ^​(1)
Un mes y cuatro mesesEn un mes, cuatro acciones tienen características x=−3,−1,1,3x=-3,-1,1,3x=−3,−1,1,3 (ya centradas) y rendimientos del mes siguiente y=−1,0,3,2y=-1,0,3,2y=−1,0,3,2 en porcentaje. Entonces ∑xy=12\sum xy=12∑xy=12, Sxx=20S_{xx}=20Sxx​=20, así que la pendiente es 0,60{,}60,6 y la constante yˉ=1,0\bar y=1{,}0yˉ​=1,0. Supongamos que cuatro meses de tales pendientes son 0,6;−0,2;0,5;0,10{,}6;-0{,}2;0{,}5;0{,}10,6;−0,2;0,5;0,1. Su media es 0,250{,}250,25, las desviaciones al cuadrado suman 0,410{,}410,41, así que s2=0,41/3=0,1367s^2=0{,}41/3=0{,}1367s2=0,41/3=0,1367, s=0,370s=0{,}370s=0,370, se=0,370/4=0,185\mathrm{se}=0{,}370/\sqrt4=0{,}185se=0,370/4​=0,185 y t=0,25/0,185=1,35t=0{,}25/0{,}185=1{,}35t=0,25/0,185=1,35. Con datos reales, tome 307307307 meses de enero de 2001 a julio de 2026 y unas 565656 acciones por mes (17 07517\,07517075 acciones-mes en total), con tres características hechas comparables estandarizándolas cada mes: momentum a 12 meses omitiendo el último mes, rendimiento del último mes y volatilidad a 12 meses. Las pendientes mensuales medias son +0,178%+0{,}178\%+0,178% para momentum (t=1,68t=1{,}68t=1,68), −0,071%-0{,}071\%−0,071% para el último mes (t=−0,83t=-0{,}83t=−0,83) y +0,270%+0{,}270\%+0,270% para volatilidad (t=2,00t=2{,}00t=2,00, o 3,2%3{,}2\%3,2% al año). Una sola regresión agrupada da para volatilidad t=5,47t=5{,}47t=5,47, más de dos veces el valor de Fama–MacBeth, y agrupar por mes da 2,352{,}352,35. La prima de volatilidad es positiva en ambas mitades de la muestra (0,27%0{,}27\%0,27% y 0,27%0{,}27\%0,27% al mes) pero la lista de acciones son las grandes empresas de hoy, así que el sesgo de supervivencia sobrerrepresenta a ganadoras muy volátiles como NVIDIA.

Las pendientes mensuales pueden estar autocorrelacionadas, por eso muchos estudios reemplazan s/Ts/\sqrt Ts/T​ por un error estándar de Newey–West con unos pocos rezagos. Aquí importa poco: para volatilidad t=2,00t=2{,}00t=2,00 pasa a 1,991{,}991,99 con cuatro rezagos. Otro punto es que la constante λ^0\hat\lambda_0λ^0​ es el rendimiento medio de una acción con características medias, 1,00%1{,}00\%1,00% al mes en esta muestra (t=4,08t=4{,}08t=4,08), que refleja sobre todo el mercado y las sobrevivientes.

  • Dos pasadas: una regresión por mes y luego la media y la dispersión de las pendientes mensuales.
  • Estandarice las características cada mes para que las pendientes sean comparables y los extremos pesen menos.

Lab: qué se califica

  • La pendiente de un mes15 pts
  • La prima10 pts
  • La dispersión de las pendientes10 pts
  • El error estándar10 pts
  • El estadístico t15 pts
  • Agrupada frente a Fama–MacBeth15 pts
  • Qué hace el sesgo de supervivencia25 pts
0/ 7 respondidos
Ejercicios
1Respuesta numérica15 ptsSin responder

Cuatro acciones tienen características centradas x=−3,−1,1,3x=-3,-1,1,3x=−3,−1,1,3 y rendimientos del mes siguiente y=−1,0,3,2y=-1,0,3,2y=−1,0,3,2. Con ∑xy=12\sum xy=12∑xy=12 y Sxx=20S_{xx}=20Sxx​=20, ¿cuánto vale la pendiente transversal? Dé un decimal.

b=b =b=aceptado: ± 0.01
2Respuesta numérica10 ptsSin responder

Cuatro pendientes mensuales son 0,6;−0,2;0,5;0,10{,}6;-0{,}2;0{,}5;0{,}10,6;−0,2;0,5;0,1. ¿Cuál es su media, la prima estimada? Dé dos decimales.

m=m =m=aceptado: ± 0.005
3Respuesta numérica10 ptsSin responder

Las desviaciones al cuadrado respecto de la media 0,250{,}250,25 suman 0,410{,}410,41. Con T=4T=4T=4 meses, ¿cuánto vale la desviación típica s=0,41/(T−1)s=\sqrt{0{,}41/(T-1)}s=0,41/(T−1)​? Use 0,1367=0,370\sqrt{0{,}1367}=0{,}3700,1367​=0,370 y dé tres decimales.

s=s =s=aceptado: ± 0.004
4Respuesta numérica10 ptsSin responder

Con s=0,370s=0{,}370s=0,370 y T=4T=4T=4 meses, ¿cuánto vale se=s/T\mathrm{se}=s/\sqrt Tse=s/T​? Dé tres decimales.

se=se =se=aceptado: ± 0.002
5Respuesta numérica15 ptsSin responder

La prima es 0,250{,}250,25 y su error estándar 0,1850{,}1850,185. ¿Cuánto vale el estadístico t? Dé dos decimales.

t=t =t=aceptado: ± 0.03
6Elección15 ptsSin responder

Una regresión agrupada da para la prima de volatilidad t = 5,47, mientras que Fama–MacBeth da t = 2,00. ¿Por qué el valor agrupado es demasiado grande?

7Explicar con palabras25 ptsSin responder

La lista de acciones son las grandes empresas de hoy, y la prima de volatilidad salió positiva. En una o dos frases, explique cómo el sesgo de supervivencia podría inflar la prima.

Modo matemáticasEntrada por teclado o LaTeXEjercicio 1 de 7 · Ctrl ⏎ para comprobar

Inicia sesión para ejecutar tu código.

Todas las clases se pueden leer gratis. Crea una cuenta o inicia sesión para ejecutar código, lanzar las pruebas y enviar este lab.

  • IDE en el navegador con terminal bash — sin instalar nada
  • Corrección instantánea, XP y tu lugar en la ruta
Crear una cuentaIniciar sesión
O
Continuar con GitHub