Question

我有一个不平衡的每月债券收益率小组，希望对几种可能的收益驱动因素进行回归。残差中存在截面相关性。在这种情况下，Peterson显示出有两种方法可以估算模型（Peterson（2009年）：估算财务面板数据集中的标准误差：比较方法）：

Fama MacBeth（通过在R中使用pmg（）函数）：第一步，pmg（）对每个月运行横截面回归。第二步，获取估计值的平均值。横截面回归估计的标准偏差用于生成这些估计的抽样误差。

Fama_MacBeth<-pmg(R~SIZE+MOMENTUM+VOLA+Rating+Value+Duration+Liquidit, data=Data_Z, index=c("Date","ISIN"))

具有按时间聚集的标准误差的极点OLS

OLS_Pooling<-plm(R~SIZE)+MOMENTUM)+VOLA)+Value+Rating+Duration+Liquidity, data=Data_Z, model='pooling', index=c('ISIN', 'Date'))

Pooling_Test<- coeftest(OLS_Pooling, vcov=function(x) vcovHC(x, cluster="time", type="HC1"))

我的以下结果与Pooled OLS和Fama MacBeth完全不同。我知道某种程度的od偏差是正常的，但就我而言，甚至某些正号和负号也有所不同。

 Dependent variable:     
                    ----------------------------
                                         R      
                     coefficient       mean     
                         test         groups    
                      Pooled OLS   Fama MacBeth 
                         (1)            (2)     
------------------------------------------------
Beta.DEF               -0.093         0.061*    
                       (0.061)        (0.034)   

SIZE                   -0.131***      -0.043**   
                       (0.020)        (0.017)   

MOMENTUM               -0.007         0.008    
                       (0.054)        (0.014)   

VOLA                   -0.257***      -0.022    
                       (0.051)        (0.017)   

Value                  -0.128***      0.019***   
                       (0.023)        (0.007)   

Rating                 0.180***      -0.013***  
                       (0.015)        (0.003)   

Duration               0.073***       0.021*    
                       (0.017)        (0.012)   

Liquidity              0.004*       0.027***   
                       (0.002)        (0.005)   

Constant              -2.386***      -1.432***  
                       (0.140)        (0.099)   

------------------------------------------------
Observations                          335,369   
R2                                     0.378    
================================================
Note:                *p<0.1; **p<0.05; ***p<0.01

您对如何处理这些结果有任何建议吗？知道出了什么问题吗？

在此先感谢您的帮助！

Fama MacBeth vs.混合OLS

0 个答案: