Modèle de retour à la moyenne

La statistique d`essai pour l`hypothèse nulle, que le rendement anormal moyen cumulé est égal à zéro, est: l`état final pour tout prévisionniste de retour à long terme est de modéliser le compte de résultat pour l`ensemble de l`économie. L`un des principaux avantages de l`utilisation des métriques d`étude d`événements en tant que solution logicielle est sa facilité d`utilisation et sa simplicité. Les calculs ci-dessous sont préconfigurés dans le logiciel et l`exécution de l`étude d`événement est à peu près automatisée, vous permettant de vous concentrer sur l`économie (et non les maths!) de votre étude. Néanmoins, il est important pour vous de comprendre ce qui se passe dans les coulisses. Les explications ci-dessous vous aideront à prendre des décisions éclairées sur le modèle et les statistiques de test que vous avez choisies dans le logiciel. Une extension commune du modèle à trois facteurs est le modèle à quatre facteurs qui contient en outre le facteur de Momentum tel qu`introduit par Carhart (1997): vérification de la réalité: les deux groupes d`investisseurs ont peut-être effectivement reçu les mêmes rendements moyens simples, mais alors quoi? Ils n`ont certainement pas reçu le même rendement moyen composé – la moyenne économiquement pertinente. Nous générons des prévisions de rendement attendues à long terme pour le S&P 500 en utilisant une variété de modèles allant de simple (méthode de Bob Shiller) à la complexité moyenne (méthode de Hussman) à relativement complexe (méthode d`architecte d`alpha). Si vous choisissez l`option GARCH sur notre interface API est un modèle de marché à facteur unique avec des erreurs GARCH (1, 1) est estimée, à savoir nous allons d`abord introduire quelques techniques de modélisation de base: alternativement, vous pouvez choisir l`option Scholes/Williams de l`estimation Menu de la méthode. Au lieu des moindres carrés ordinaires, les métriques de l`étude d`événement appliqueront ensuite la méthode proposée par Scholes et Williams (1977) pour tenir compte du Trading non synchrone. Les métriques de l`étude d`événement calculent les paramètres du modèle de marché appliquant l`approche Scholes/Williams par: ce modèle peut être considéré comme un modèle de marché restreint avec alpha égal à zéro et bêta égal à un pour chaque stock (voir MacKinlay (1997)). Étant donné que les préjugés de retour anormaux tendent à être petits, la plupart des chercheurs intéressés par la substance économique des types d`événements individuels, plutôt que des discussions méthodologiques, utilisent toujours le «modèle de marché». La méta-recherche respective (Holler, 2014) a révélé que dans son échantillon de 400 études d`événements examinées, 79,1% des études utilisaient le «modèle de marché», 13,3% le «modèle de rendement ajusté du marché», 3,3% le «modèle de rendement moyen constant», 3,6% «modèles multifacteurs», et seulement 0,7% le modèle CAPM. Prétendre que nous avons gagné 3,33% par année comparativement à 2,81% peut ne pas sembler une différence significative.

Dans notre exemple de trois ans, la différence suressurait nos rendements de $1,66, soit 1,5%. Plus de 10 ans, cependant, la différence devient plus grande: $6,83, ou un 5,2% overstatement. Comme nous l`avons vu ci-dessus, l`investisseur ne tient pas réellement l`équivalent en dollars de 3,33% composé annuellement. Cela montre que la méthode moyenne simple ne capture pas la réalité économique. Ce modèle est efficace pour indiquer les gammes potentielles pour les rendements futurs, au moins historiquement. Il y a quelques exceptions notables, telles que la grande dépression et la bulle Internet. En dehors de ces événements rares, on peut raisonnablement s`attendre à ce que les rendements futurs de 10 ans tombent dans les limites prévues par ce modèle. Même si le modèle de rendement moyen constant est simple et très restrictif par rapport à d`autres modèles, Brown et Warner (1980, 1985) montrent que les résultats basés sur ce modèle ne s`écartent pas systématiquement des résultats basés sur des modèles plus sophistiqués. Veuillez noter que Brown et Warner (1980, 1985) analysent uniquement les études d`événements à court terme. La sélection des modèles de référence est cruciale lors de l`exécution d`une étude d`événement à long terme. Entrez le taux de rendement annuel moyen géométrique.

Pour les investisseurs qui ont encore leur G-Card, cela peut être une équation terrifiante à aborder. Je vais admettre que l`équation n`a pas de place dans la vie quotidienne-il devrait être limité aux feuilles de calcul Excel et seulement autorisé à voir la lumière du jour une fois par an (de préférence après la fin de l`année).