Metody panelowe dla finansów: Przewodnik po ekonometrii danych panelowych w zastosowaniach finansowych

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 5 głosach.

Oryginalny tytuł:

Panel Methods for Finance: A Guide to Panel Data Econometrics for Financial Applications

Zawartość książki:

Dane finansowe zazwyczaj charakteryzują się wymiarem szeregów czasowych i wymiarem przekrojowym. Przykładowo, możemy obserwować informacje finansowe na temat grupy firm w ciągu kilku lat lub możemy obserwować zwroty wszystkich akcji będących przedmiotem obrotu na NYSE w okresie 120 miesięcy. W związku z tym modelowanie ekonometryczne w finansach wymaga odpowiedniej uwagi na te dwa - lub czasami więcej niż dwa - wymiary danych. W tym celu opracowano techniki danych panelowych. Niniejsza książka zawiera przegląd powszechnie stosowanych metod panelowych w zastosowaniach finansowych.

Wykorzystanie danych panelowych ma wiele zalet pod względem elastyczności modelowania ekonometrycznego i możliwości kontrolowania nieobserwowanej heterogeniczności. Wiąże się to również z szeregiem kwestii ekonometrycznych, które wymagają szczególnej uwagi. Obejmuje to zależność przekrojową, solidne i skupione błędy standardowe, heterogeniczność parametrów, efekty stałe, modele dynamiczne z krótkim wymiarem czasowym, zmienne instrumentalne, różnice w różnicach i inne podejścia do wnioskowania przyczynowego.

Po rozdziale wprowadzającym, w którym dokonano przeglądu klasycznego modelu regresji liniowej, ze szczególnym uwzględnieniem jego zastosowania w kontekście danych panelowych, w tym kilku standardowych estymatorów (połączony OLS, Fama-MacBeth, efekty losowe, pierwsze różnice, efekty stałe), książka kontynuuje bardziej rozbudowane podejście do efektów stałych. Podczas gdy estymatory pierwszych różnic i efektów stałych są atrakcyjne ze względu na usunięcie niezmiennej w czasie nieobserwowanej heterogeniczności (np. jakości menedżerów, kultury firmy), spójność takich estymatorów narzuca ścisłą egzogeniczność zmiennych objaśniających (dla skończonej liczby okresów). Założenie to jest często naruszane w praktyce, na przykład niektóre zmienne objaśniające wyniki firmy mogą być częściowo zdeterminowane przez historyczne wyniki firmy. Oczywistym przypadkiem naruszenia tego założenia jest sytuacja, w której model zawiera opóźnioną zmienną zależną. W osobnym rozdziale skupimy się na modelach dynamicznych, którym poświęcono szczególną uwagę w literaturze, także w kontekście zastosowań finansowych, takich jak dynamika wyborów struktury kapitałowej. Estymacja opiera się głównie na zmiennych instrumentalnych lub technikach GMM. Identyfikacja i estymacja takich modeli jest często krucha, a właściwości małych prób mogą być rozczarowujące.

Książka kontynuuje rozdział poświęcony modelom z ograniczonymi zmiennymi zależnymi, w tym modelom odpowiedzi binarnych. Zależność przekrojowa, która może być obecna, komplikuje estymację, a autor omawia estymację zbiorczą, efekty losowe i stałe, w tym możliwość uwzględnienia opóźnionych zmiennych zależnych. W rozdziale tym omówione zostaną także problemy związane z nieobecnością i tendencyjnością doboru próby, a także ogólnie z niezrównoważonymi panelami.

Identyfikacja efektów przyczynowych w pracach empirycznych opartych na danych nieeksperymentalnych jest często wyzwaniem, a wnioskowanie przyczynowe cieszy się dużym zainteresowaniem w najnowszej literaturze. Dostępność danych panelowych odgrywa ważną rolę w wielu podejściach. Począwszy od prostych podejść opartych na różnicach w różnicach, w dedykowanym rozdziale omówiono estymatory zmiennych instrumentalnych, dopasowanie i wyniki skłonności, nieciągłość regresji i powiązane podejścia.