123
Modelli lineari a fattori (MLF)
• Un MLF stabilisce che zi è determinato da:
– Alcune variabili, chiamate fattori, f , che influen-
zano gli extrarendimenti di molti titoli
– Una componente specifica ²i
• In termini vettoriali:
z = α + B f + ²
(I×1) (I×1) (I×K) (K×1) (I×1)
con:
E(²) = 0, Var(²) = Ω, Cov(², f ) = 0
• Definiamo:
E(f ) = µf Var(f ) = Σf
• Di conseguenza:
Σ = BΣf B0
125
MLF esatti
126
MLF approssimati
127
Opportunità d’arbitraggio
• ... Di conseguenza:
ppt ∝ ψ0 r0t + ψ 0 r
128
• L’assenza di OA è condizione necessaria (ma non
sufficiente) per l’equilibrio sul mercato
• Di conseguenza:
µ = Bλ
129
che per il titolo i-esimo equivale a:
K
X
µi = bik λk
k=1
maxi ωIi 2
= P
( Ii=1 νIi 2 )1/2
130
• Il guadagno atteso è dato da:
à I
!1/4
ν 0I µI ν 0I X
2
= (B I λ I + ν I ) = νIi
(ν 0I ν I )3/4 (ν 0I ν I )3/4 i=1
P
• Se limI→∞ Ii=1 νIi 2 = ∞, la successione di portafogli
• Interpretazione:
I
à K
!2
X X
µi − bik λk < ∞, ∀I
i=1 k=1
131
Identificazione e stima dei fattori
Variabili macroeconomiche
134
Identificazione e stima dei fattori
L’analisi fattoriale
• Ipotesi: z t ∼ IIDN (µ, Σ)
• Problemi:
1. Assume z t ∼ IIDN (µ, Σ)
2. MLF esatto
b sia invertibile
3. Richiede T > I perchè Σ
4. Complessità di calcolo crescente con I
Identificazione e stima dei fattori
136
– Se i fattori vengono approssimati con i portafogli
di composizione w pk , B ha k-esima colonna data
1/2
da λk tk
b di Σ
• In pratica, la procedura si basa sulla stima Σ
Identificazione e stima dei fattori
• Consideriamo:
1
Ψ = ZZ0
(T ×T )
T
137
Identificazione del numero di fattori
Procedure sequenziali
138
Identificazione del numero di fattori
d
• Sotto H0 , ξ4.1 → χ2q , con q = [(I − K)2 − (I + K)]/2
139
La verifica dell’APT in serie storica
• Considereremo la versione esatta del modello
142
La verifica dell’APT in serie storica
da cui costruiamo:
−1 0 −1
ξ4.4 = T (1 + µ0f Σ−1
f µf ) αbΩ α b
che sotto H0 ha distribuzione asintotica χ2I
=B con = f
Per veri…carlo, applichiamo il valore atteso al MLF,
e uguagliamo il tutto alla relazione dell’APT:
= +B f =B
risolvendo rispetto a otteniamo =B
Sia 0i = 0
i; bi il vettore che racchiude i K + 1
parametri dell’equazione i-esima e de…niamo
= 0;:::; 0 0 = vec C 0
1 I
I(K+1) 1
con C = ( ; B)
I (K+1)
Ricordate che i non sono altro che l’insieme dei
parametri del SURE, le cui variabili esplicative sono
i K fattori. La distribuzione asintotica di ^ è quindi
sotto le ipotesi usuali
p d
T b ! N 0; Q 1
2 3
0 1 0 1
1 1+ f f f f f
Q = 4 1 1
5
f f f
0= B = vec 0 0 B0
h i
= vec 1; 0 C0
= A( )
con A ( ) = II 1; 0
I I(K+1)
b cb = M b
B b
B
1
siano nulli. M b = II c
B c 0B
B c c
B
0
B
La statistica test che possiamo quindi costruire è
h i 1
4:5 = b 0M b b V ar ( b ) M B
MB b bb =
MB
B
1 h i a
0 1 b 0M 2
=T 1+ f b
B
MB
b MB
b b b~
MB I
dove l’inversa è inversa generalizzata poichè M b ha
B
rango I K
La veri…ca dell’APT in cross section
c
Applicando OLS a z = B + e abbiamo b =
0c 1
c
BB c e e
Bz b = M b z . Usando il MLF ot-
B
teniamo
0c 1 0
b f = c
BB c
B b
K 1
b
e = bb
MB
I 1
che possono essere riscritti come
b =
bb
NB
2 3
" # 0 1 0
b f 6 cB
B c c 7
B
b = ;N b = 4 5
b
e B
MB
b
e
p p
T b NB = N b T (b )
B
p
+ T Nb NB
B
I fattori sono extrarendimenti: APT implica =
0, quindi
p d
T b ! N 0; 1 + 0f f 1 f N B N 0B
1. Veri…care H0 : B 0 =0
0 1 1 b 0
4:7 = T 1 + f f f f B 0B
1
B0 B B 0B b f
a
~ 2K
2. Veri…care H0 : M B =0
0 1 1 0
4:8 = T 1+ f f b
e
f
M 0B M B b
e
a
~ 2I K
3. Veri…care H0 : B 0 = 0 e MB =0
0 1 1 b0
4:9 = T 1+ f f f
N 0B N B b
a
~ 2I
I fattori NON sono extrarendimenti, APT implica
=B =B f quindi sotto H0 non è
vera B 0 = 0 mentre continua a valere M B = 0.
Focalizzando l’attenzione solo sui residui
p p
b
T (e MB ) = MB b T (b )
p
+ T Mb MB
B
e sotto H0
p d 1
b ! N 0; 1 + 0
Te M B M 0B
f
1. Veri…care H0 : M B =0
0 1 1 0
4:10 = T 1 + b
e
f
M 0B M B b
e
a
~ 2I K
l’unica di¤erenza con 4:8 è il rimpiazzo di f
con
Test per il numero di fattori remunerati dal mer-
cato
Si noti che
p d
T f f ! N 0; f
c; f = 0
Cov b ; f = 0; Cov B
quindi
p d
T ! N (0 ;
1 1
1 + 0f f 1 f B 0B B 0 B B 0B + f
0c 1 0
b = c
BB c
Bz b t = M b z t = M b et
e
t t B B
T
X T
X
b = b =T b=
e b t=T
e
t
t=1 ! t=1 !
b ft b f
b t b =
t = bt
e b
e
T
1 X b 0
V ar b t = b b b
T t=1 t t
b 0h c
i 1 a
b~ 2
4:15 = T V ar t I
Fama e MacBeth
b 0h c
i 1 a
b~ 2
4:16 = T V ar t I