파마-맥베스 회귀 분석

Fama-MacBeth 회귀분석은 자본자산가격결정모형(CAPM)과 같은 자산가격결정모형의 매개변수를 추정하는 데 사용되는 방법이다. 이 방법은 자산가격을 결정할 것으로 예상되는 모든 위험요소에 대한 베타 및 위험전망을 추정한다. 이 방법은 시간에 걸쳐 여러 자산에서 작동한다(패널 데이터). 매개변수는 두 단계로 추정한다.

1. 먼저 제안된 위험요소에 대해 n개의 자산 수익률을 각각 회귀시켜 각 자산의 베타 노출을 결정한다.
   ${\displaystyle {\begin{array}{lcr}R_{1,t}=\alpha _{1}+\beta _{1,F_{1}}F_{1,t}+\beta _{1,F_{2}}F_{2,t}+\cdots +\beta _{1,F_{m}}F_{m,t}+\epsilon _{1,t}\\R_{2,t}=\alpha _{2}+\beta _{2,F_{1}}F_{1,t}+\beta _{2,F_{2}}F_{2,t}+\cdots +\beta _{2,F_{m}}F_{m,t}+\epsilon _{2,t}\\\vdots \\R_{n,t}=\alpha _{n}+\beta _{n,F_{1}}F_{1,t}+\beta _{n,F_{2}}F_{2,t}+\cdots +\beta _{n,F_{m_}F_{m,t}+\epsilon _{n,t}\end{array}}}}}$^[1]
2. 그런 다음 이전에 추정된 베타에 대해 각 T 기간에 대한 모든 자산 수익률을 회귀시켜 각 요소에 대한 위험 프리미엄을 결정한다.
   ${\displaystyle {\begin{array}{lcr}R_{i,1}=\gamma _{1,0}+\gamma _{1,1}{\hat {\beta }}_{i,F_{1}}+\gamma _{1,2}{\hat {\beta }}_{i,F_{2}}+\cdots +\gamma _{1,m}{\hat {\beta }}_{i,F_{m}}+\epsilon _{i,1}\\R_{i,2}=\gamma _{2,0}+\gamma _{2,1}{\hat {\beta }}_{i,F_{1}}+\gamma _{2,2}{\hat {\beta }}_{i,F_{2}}+\cdots +\gamma _{2,m}{\hat {\beta }}_{i,F_{m}}+\epsi_{i,2}\\\vdots \\R_{i,T}=\gamma _{T,0}+\gamma _{T,1}{\hat {\beta }}_{i,F_{1}}+\gamma _{T,2}{\hat {\beta }}_{i,F_{2}}+\cdots +\gamma _{T,m}{\hat {\beta }}_{i,F_{m}}+\epsilon _{i,T}\end{array}}$^[1]

유진 F. 파마와 제임스 D. 맥베드(1973)는 위험 수익 후퇴의 잔재와 계수의 관측된 "공정한 게임" 특성이 "효율적인 자본 시장"(원문의 인용문)과 일치한다는 것을 입증했다.^[2]

Fama MacBeth 퇴행은 단면 상관 관계에 대해서만 보정된 표준 오류를 제공한다는 점에 유의하십시오. 이 방법의 표준 오류는 시계열 자기 상관에 대해 수정되지 않는다. 이는 보통 주식은 일별·주별 보유기간에 시간계열 자기상관성이 약하지만 자기상관성이 긴 지평에 비해 강하기 때문에 주식거래에는 문제가 되지 않는다.^[3] 이것은 Fama MacBeth 퇴행이 프로젝트 보류 기간이 긴 많은 기업 금융 환경에서 사용하기에 부적절할 수 있다는 것을 의미한다. 오류 용어에서 시계열 및 단면 상관에 대한 표준 오류를 수정하는 대체 방법은 회사별 및 연도별 이중 군집화를 살펴보십시오.^[4]

참고 항목

• 자본자산가격결정모형
• 회귀 분석의 표준 오차

참조

외부 링크

• "EconTerms - Glossary of Economic Research "Fama–MacBeth Regression"". Archived from the original on 28 September 2007. Retrieved 2 November 2006.
• 표준 오류의 소프트웨어 추정—M 페이지별 피터슨은 다양한 통계 패키지(Stata, SAS, R)에서 Fama-MacBeth와 클러스터링된 표준 오류의 추정에 대해 논의하였다.
• R에서 Fama-MacBeth 및 클러스터-로봇(회사별 및 시간별) 표준 오류