| Titre | Asset pricing models with measurement error problems: A new framework with Compact Genetic Algorithms | |
|---|---|---|
| Auteur | Erkin Diyarbakirlioglu, Marc Desban, Souad Lajili Jarjir | |
 |
Revue | Finance |
| Numéro | volume 43, no 2, 2022 | |
| Page | 1-78 | |
| Résumé |
Cette étude apporte une réponse au problème des erreurs dans les variables (errors in variables ou EIV) dans l'estimation des modèles d'évaluation des actifs. Nous mettons en lumière l'importance de la méthode d'estimation dans les régressions en séries chronologiques des rentabilités des actions. Nous comparons la méthode largement utilisée des moindres carrées ordinaires (ordinary least squares ou OLS) à un estimateur alternatif basé sur un algorithme génétique compact (compact genetic algorithms ou CGA) dans le cas du modèle d'équilibre des actifs financiers ou MEDAF et des modèles de trois et cinq facteurs de Fama et French (1993 et 2015). Sur la base d'un échantillon international couvrant cinq zones géographiques et un historique des rentabilités de trente et un ans (1990–2021), les résultats des régressions linéaires montrent que la méthode basée sur la CGA surpasse globalement la méthode OLS pour les trois modèles, les cinq zones géographiques et les cent portefeuilles considérés. Plus précisément, les coefficients alphas des régressions sont moins significatifs, les betas sont plus élevés, les coefficients ajustés R2 sont lisses et les valeurs du test de Gibbons, Ross et Shanken (1989) sont plus faibles. Par ailleurs, nos résultats sont plus robustes que ceux de la méthode alternative des variables instrumentales estimées avec la méthode généralisée des moments (generalized method of moments ou GMM). Quarante-cinq ans après la publication de l'article de Roll (1977), nous apportons une réponse satisfaisante à la critique relative à la non-observabilité du portefeuille de marché. Les implications empiriques et managériales de notre étude sont nombreuses puisqu'elles concernent tous les sujets faisant appel aux modèles d'évaluation des actifs au niveau des entreprises, des investisseurs et des marchés financiers (évaluation, mesure de performance, gestion de portefeuille, coût des capitaux propres, études d'évènement, etc.). Source : Éditeur (via Cairn.info) |
|
| Résumé anglais |
We implement a new framework to mitigate the errors-in-variables (EIV) problem in the estimation of asset pricing models. Considering an international data of portfolio stock returns from 1990 to 2021 widely used in empirical studies, we highlight the importance of the estimation method in time-series regressions. We compare the traditional Ordinary-Least Squares (OLS) method to an alternative estimator based on a Compact Genetic Algorithm (CGA) in the case of the CAPM, three-, and five-factor models. Based on intercepts \alpha, betas {\beta _M}, adjusted R2, and the Gibbons, Ross and Shanken (1989) test, we find that the CGA-based method outperforms overall the OLS for the three asset pricing models. In particular, we obtain less statistically significant intercepts, smoother R2 across different portfolios and lower GRS test statistics. Specifically, in line with Roll's critique (1977) on the unobservability of the market portfolio, we reduce the attenuation bias in market risk premium estimates. Moreover, our results are robust to alternative methods such as Instrumental Variables estimated with Generalized-Method of Moments (GMM). Our findings have several empirical and managerial implications related to the estimation of asset pricing models as well as their interpretation as a popular tool in terms of corporate financial decision-making. Source : Éditeur (via Cairn.info) |
|
| Article en ligne | http://www.cairn.info/article.php?ID_ARTICLE=FINA_432_0001 (accès réservé) |
