ReBACC Rede de Bibliotecas da Área de Ciências Contábeis
A ReBACC foi implantada pelo Conselho Regional de Contabilidade do Estado do Rio de Janeiro (CRCRJ), visando a promover o acesso amplo e livre à informação técnico-científico da área de contabilidade aos profissionais e acadêmicos, assim como ao público em geral
Use este identificador para citar ou linkar para este item:
http://rebacc.crcrj.org.br/handle/123456789/7385| Título: | Identifying outliers in asset pricing data with a new weighted forward search estimator Identificação de outliers em dados de precificação de ativos com um novo estimador de forward search ponderado Identificação de outliers em dados de precificação de ativos com um novo estimador de forward search ponderado |
| Palavras-chave: | asset pricing outlier detection robust estimation forward search precificação de ativos detecção de outliers estimativa robusta forward search Detecção de outlies Estimativa robusta Foward search precificação de ativos |
| Editora / Evento / Instituição: | Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade |
| Descrição: | The purpose of this work is to present the Weighted Forward Search (FSW) method for the detection of outliers in asset pricing data. This new estimator, which is based on an algorithm that downweights the most anomalous observations of the dataset, is tested using both simulated and empirical asset pricing data. The impact of outliers on the estimation of asset pricing models is assessed under different scenarios, and the results are evaluated with associated statistical tests based on this new approach. Our proposal generates an alternative procedure for robust estimation of portfolio betas, allowing for the comparison between concurrent asset pricing models. The algorithm, which is both efficient and robust to outliers, is used to provide robust estimates of the models’ parameters in a comparison with traditional econometric estimation methods usually used in the literature. In particular, the precision of the alphas is highly increased when the Forward Search (FS) method is used. We use Monte Carlo simulations, and also the well-known dataset of equity factor returns provided by Prof. Kenneth French, consisting of the 25 Fama-French portfolios on the United States of America equity market using single and three-factor models, on monthly and annual basis. Our results indicate that the marginal rejection of the Fama-French three-factor model is influenced by the presence of outliers in the portfolios, when using monthly returns. In annual data, the use of robust methods increases the rejection level of null alphas in the Capital Asset Pricing Model (CAPM) and the Fama-French three-factor model, with more efficient estimates in the absence of outliers and consistent alphas when outliers are present. O objetivo deste trabalho é apresentar o método Forward Search Ponderado (FSW) para a detecção de valores discrepantes (outliers) nos dados de precificação de ativos. Esse novo estimador, baseado em um algoritmo que reduz o peso das observações mais anômalas do conjunto de dados, é testado utilizando dados simulados e empíricos de precificação de ativos. O impacto dos outliers na estimativa de modelos de precificação de ativos é avaliado em diferentes cenários, e os resultados são avaliados com testes estatísticos associados, com base nessa nova abordagem. Nossa proposta gera um procedimento alternativo para uma estimativa robusta dos betas da carteira, permitindo a comparação entre modelos concorrentes de precificação de ativos. O algoritmo, eficiente e robusto para outliers, é utilizado para fornecer estimativas robustas dos parâmetros dos modelos em uma comparação com os métodos tradicionais de estimativa econométrica geralmente utilizados na literatura. Em particular, a precisão dos alfas é significantemente aumentada quando o método Forward Search (FS) é utilizado. Utilizamos simulações de Monte Carlo e também o conhecido conjunto de dados de fatores de retornos acionários, fornecido pelo Prof. Kenneth French, que consiste em 25 carteiras Fama-French no mercado acionário dos Estados Unidos, utilizando modelos de um e três fatores, em base mensal e anual. Nossos resultados indicam que a rejeição marginal do modelo de três fatores de Fama-French é influenciada pela presença de outliers nas carteiras, ao utilizar retornos mensais. Em dados anuais, o uso de métodos robustos aumenta o nível de rejeição de alfas nulos no Modelo de Precificação de Ativos de Capital (Capital Asset Pricing Model –CAPM) e no modelo de três fatores de Fama-French, com estimativas mais eficientes na ausência de outliers, e alfas consistentes quando os outliers estão presentes. O objetivo deste trabalho é apresentar o método Forward Search Ponderado (FSW) para a detecção de valores discrepantes (outliers) nos dados de precificação de ativos. Esse novo estimador, baseado em um algoritmo que reduz o peso das observações mais anômalas do conjunto de dados, é testado utilizando dados simulados e empíricos de precificação de ativos. O impacto dos outliers na estimativa de modelos de precificação de ativos é avaliado em diferentes cenários, e os resultados são avaliados com testes estatísticos associados, com base nessa nova abordagem. Nossa proposta gera um procedimento alternativo para uma estimativa robusta dos betas da carteira, permitindo a comparação entre modelos concorrentes de precificação de ativos. O algoritmo, eficiente e robusto para outliers, é utilizado para fornecer estimativas robustas dos parâmetros dos modelos em uma comparação com os métodos tradicionais de estimativa econométrica geralmente utilizados na literatura. Em particular, a precisão dos alfas é significantemente aumentada quando o método Forward Search (FS) é utilizado. Utilizamos simulações de Monte Carlo e também o conhecido conjunto de dados de fatores de retornos acionários, fornecido pelo Prof. Kenneth French, que consiste em 25 carteiras Fama-French no mercado acionário dos Estados Unidos, utilizando modelos de um e três fatores, em base mensal e anual. Nossos resultados indicam que a rejeição marginal do modelo de três fatores de Fama-French é influenciada pela presença de outliers nas carteiras, ao utilizar retornos mensais. Em dados anuais, o uso de métodos robustos aumenta o nível de rejeição de alfas nulos no Modelo de Precificação de Ativos de Capital (Capital Asset Pricing Model –CAPM) e no modelo de três fatores de Fama-French, com estimativas mais eficientes na ausência de outliers, e alfas consistentes quando os outliers estão presentes. |
| URI: | http://rebacc.crcrj.org.br/handle/123456789/7385 |
| Outros identificadores: | https://www.revistas.usp.br/rcf/article/view/179050 10.1590/1808-057x201909620 |
| Aparece nas coleções: | Revista Contabilidade & Finanças - USP |
Arquivos associados a este item:
Não existem arquivos associados a este item.
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.