1、比如N个股票,t期,先对每个股票的回报对factor作时间序列回归,得出一堆beita,然后不管时间维度了,用每个股票的回报对之前得到的beta做截面回归,得到risk premium。
2、第一步用时间序列算出各个Beta 第二步 在横截面上用 r对求出的Beta回归 得到Beta的Beta 把这些beta的beta求和除以时间t,看是不是显著为0 可以验证CAPM 在stata12以后的上的命令为xtfmb,可以直接得出各个参数的
按照以上解释,最后回归系数应该是得到factor的大小和显著性,而不是得到factor对股票回报rt的影响,如何理解?
引用xtfmb的help文件里的例子,
webuse grunfeld
xtfmb invest mvalue kstock, verbose
从显示的结果可以看出,xtfmb是直接在每一年将invest对 mvalue kstock做一个横截面回归,然后直接计算每年的mvalue和kstock 的系数的均值和t检验统计量,作为xtfmb的最终系数估计和t统计量。
请问这应该只是上述Fama-Macbeth回归的第二步而已吧?没有先做时间序列回归呀!
比如,我是想检验流动性liquidity对股票回报率rt的影响,加入SMB HML RMRF作为控制变量
请问是直接 xtfmb liquidity smb hml rmrf就可以了吗?还是要先对每只股票做时间序列回归?