CAPM (Capital Asset Pricing Model)

Transcript

1 CAPM (Capital Asset Pricing Model) Μοντέλο αποτίμησης κεφαλαιακών στοιχείων Sharpe (1964) Lintner (1964,1965) Mossin (1966) Black (1972) 1

2 Υποθέσεις CAPM Επενδυτές 1. Αποστρέφονται τον κίνδυνο και μεγιστοποιούν την προσδοκώμενη ωφελιμότητα του πλούτου τους 2. α) Δεν επηρεάζουν τις τιμές β) Έχουν τις ίδιες προσδοκίες για τις αποδόσεις των κεφαλαιακών στοιχείων 3. Μπορούν να δανειστούν και να δανείσουν στο ίδιο ακίνδυνο επιτόκιο 2

3 Κεφαλαιακά στοιχεία Υποθέσεις CAPM 4. Η ποσότητα των κεφαλαιακών στοιχείων είναι δεδομένη 5. Υπάρχουν αγορές για όλα τα κεφαλαιακά στοιχεία 6. Τα κεφαλαιακά στοιχεία μπορούν να υποδιαιρεθούν τέλεια 3

4 Τελειότητα αγορών Υποθέσεις CAPM 7. Οι Συναλλαγές δεν έχουν κόστος 8. Οι πληροφορίες δεν έχουν κόστος 9. Οι πληροφορίες είναι άμεσα γνωστές σε όλους τους επενδυτές 4

5 5

6 6

7 Γραμμή Κεφαλαιαγοράς Η γραμμή Κεφαλαιαγοράς αναπαριστά όλους τους δυνατούς συνδυασμούς ενός ακίνδυνου κεφαλαιακού στοιχείου και ενός αποτελεσματικού χαρτοφυλακίου, Μ. Το χαρτοφυλάκιο της αγοράς βρίσκεται στο σημείο τομής της γραμμής Κεφαλαιαγοράς και του αποτελεσματικού συνόλου επενδυτικών ευκαιριών. Στην ισορροπία, το χαρτοφυλάκιο της αγοράς σταθμίζει όλα τα κεφαλαιακά στοιχεία της οικονομίας, με βάση την αγοραία αξία τους. 7

8 8

9 ΠΡΙΜ ΚΙΝΔΥΝΟΥ ΤΗΣ ΜΕΤΟΧΗΣ = ΠΡΙΜ ΚΙΝΔΥΝΟΥ ΑΓΟΡΑΣ x ΠΟΣΟΤΗΤΑ ΚΙΝΔΥΝΟΥ ΜΕΤΟΧΗΣ 9

10 Η Αναμενόμενη απόδοση κάθε κεφαλαιακού στοιχείου είναι ανάλογη του betaτης ποσότητας κινδύνου του- E (R i )-R f = [E (R m )-R f ] beta i (1) 10

11 11

12 CAPM-Εμπειρική προσαρμογή Το CAPM μπορεί να ελεγχθεί με την παλινδρόμηση ελαχίστων τετραγώνων: (R it -R ft ) = a i + (R mt -R ft ) β i + ε i (2) Χρησιμοποιώντας τις εκτιμήσεις των beta από την (2), εκτιμούμε την παλινδρόμηση E(R i -R f ) = d i +γ i beta i + δ i (3) 12

13 Εμπειρική Προσαρμογή CAPM (ΗΠΑ) s10 s1 13

14 Αντικανονικές αποδόσεις -Ανωμαλίες αποτίμησης Εμπειρικά αποτελέσματα που έρχονται σε αντίθεση με τα θεωρητικά μοντέλα αποτίμησης. Οφείλονται σε Αναποτελεσματικότητες της αγοράς (οι τιμές δεν αντανακλούν το σύνολο της διαθέσιμης πληροφόρησης) ή ανεπάρκεια των μοντέλων αποτίμησης 14

15 Ανωμαλίες αποτίμησης CAPM Τα λάθη αποτίμησης του CAPM ερμηνεύονται βάση του Jensen s Alpha, a i, του σταθερού όρου της παλινδρόμησης (R it -R ft ) = a i + (R mt -R ft ) β i + ε i a i : Μέση διαφορά της πραγματοποιηθείσας απόδοσης ενός χαρτοφυλακίου και της απόδοσης που προβλέπει το μοντέλο a i = E (R i -R f ) -E (R m -R f ) b i 15

16 Αντικανονικές αποδόσεις -Ανωμαλίες αποτίμησης Οι αντικανονικές αποδόσεις τείνουν να εξαλείφονται μόλις τεκμηριωθούν και δημοσιευθούν 1. Γίνονται αντικείμενο Arbitrage 2. Αποτελούν υποπροϊόν της ερευνητικής διαδικασίας. (data snooping-sample Selection Bias) 16

17 The Size Effect (Small Firm Effect) Banz-Reinganum-1981: Οι εταιρίες μικρής κεφαλαιοποίησης στο NYSE, την περίοδο 1936 με 1975, πραγματοποίησαν υψηλότερες μέσες αποδόσεις, από ότι προέβλεπε το CAPM Εξαρτημένες μεταβλητές : 10 Χαρτοφυλάκια βάση μεγέθους-αγοραίας αξίας αγοραία αξία= τιμή x αριθμός μετοχών Οι μέσες αποδόσεις των χαρτοφυλακίων σχετίζονται θετικά με τα betas και αρνητικά με το μέγεθος 17

18 10 Size Portfolios-Europe m ean excess retu rn 0,01 0,009 0,008 0,007 0,006 0,005 0,004 0,003 0,002 0,001 0 Figure 3.A.1: CAPM-10 Size Portfolios Mean excess Retruns vs. Beta Version 1- vw market Index Period s10 s7 s8 s9 s6 s2 s3 s4 s5 0 0,2 0,4 0,6 0,8 1 1,2 vw Beta CAPM Fit E(R-Rf) = -0,0067b + 0,008 R 2 = 0,1752 s1 CAPM παράγει υψηλά και στατιστικά σημαντικά λάθη αποτίμησης- alphas- Δεν ανιχνεύεται καμία στατιστικά σημαντική συσχέτιση μεταξύ μέσων αποδόσεων και betas Extra Small Firm effect ανιχνεύεται κυρίως την περίοδο

19 The Value-Effect Basu(1977,1983): Εταιρίες στοnyse, με υψηλό δείκτη, λογιστικής προς αγοραίας αξίας πραγματοποίησαν πολύ υψηλότερες μέσες αποδόσεις από ότι προέβλεπε το CAPM Εξαρτημένες μεταβλητές: 10 Χαρτοφυλάκια βάση του αριθμοδείκτη της Λογιστικής προς αγοραίας αξίας (Β/Μ Ratio) Οι μέσες αποδόσεις των χαρτοφυλακίων σχετίζονται θετικά με το Β/Μ Ratioκαι αρνητικά με τα betas. 19

20 10 B/M Portfolios-USA (Fama-French 2004) 20

21 10 B/M Portfolios-Europe Mean Excess Return Figures 3.A.7: CAPM- 10 Portfolios B/M Mean Excess Return vs. beta Version 1- vw market Index Period ,01 0,008 0,006 0,004 0,002 0 p2 p1 p3 p9 0 0,5 p8 1 1,5-0,002 vw beta p10-0,004 CAPM Fit: E(R-Rf)= 0,0049xb - 0,0011 R 2 = 0,0374 Υψηλά Value effects σε ολόκληρη την περίοδο Μικρό εύρος στα betas Δεν ανιχνεύεται καμία στατιστικά σημαντική συσχέτιση μεταξύ μέσων αποδόσεων και betas 21

22 CAPM-16 Double Sorted on Size & B/M 16 Χαρτοφυλάκια από την διατομή της κατηγοριοποίησης των μετοχών σε 4 κατηγορίες βάση μεγέθους (size) και 4 κατηγορίες βάση δείκτη Β/Μ (σε ίσα τεταρτημόρια -25%) Size Κατηγορίες: B (Big), MA (Medium A), MB, S (Small) B/M Κατηγορίες: H (High), MA, MB, L (Low) 25 Χαρτοφυλάκια για ΗΠΑ(5 Size and 5 B/M κατηγορίες -20%) 22

23 MEAN EXCESS RETURN 0,012 Figure 3.B.1 CAPM- 16 Fama-French Portfolios Mean Excess Return vs. beta Value Weighted Market Proxy Period ,01 S/H 0,008 B/H S/MA MA/H 0,006 MB/H B/MA 0,004 MA/MA B/MB MB/MA 0,002 S/L S/MB MB/MA B/L 0 0 0,2 0,4 0,6 0,8 1 1,2 MB/MB -0,002 MB/L MA/L -0,004 CAPM Fit : E(R-Rf) = -0,0002b + 0,0033 R 2 = 6E-05 VW BETA Period CAPM Fit Cross Sectional Regressions t (.) Coefficient -0,0002 0,757 (sign:0,462) Intercept 0,0033-0,028 (sign: 0,978) Adjusted R 2 0,000 Period CAPM Time series Regressions Average Absolute a i 0, Average 0,667 Adjusted R 2 S (e) 0,024 23

24 Changing Size within B/M Categories Mean Excess R eturn 0,012 0,01 S/H 0,008 S/MA MA/H B/H 0,006 MA/MA MB/H B/MA 0,004 B/MB MB/MA S/L S/MB 0,002 MA/MB B/L 0 0 0,2 0,4 0,6 MB/MB 0,8 1 1,2-0,002 MA/L MB/L -0,004 vw beta Οι γραμμές ενώνουν τα χαρτοφυλάκια για τις διαφορετικές κατηγορίες μεγέθους εντός της κάθε κατηγορίας B/M δείκτη Τα μικρού και μεγάλου μεγέθους χαρτοφυλάκια παρουσιάζουν υψηλότερες αποδόσεις από τις ενδιάμεσες κατηγορίες μεγέθους high medium a medium b low 24

25 Changing B/M within Size Categories Mean Excess R eturn 0,012 0,01 S/H 0,008 MA/H B/H 0,006 0,004 S/MA MB/H B/MA MA/MA MB/MA B/MB 0,002 S/L S/MB MA/MB B/L 0 0 0,2 0,4 0,6MB/MB 0,8 1 1,2-0,002 MB/L MA/L -0,004 vw beta small medium b medium a big Οι γραμμές ενώνουν τα χαρτοφυλάκια για τις διαφορετικές κατηγορίες δείκτη B/M εντός της κάθε κατηγορίας μεγέθους Ισχυρό Value effect: Η μέση απόδοση των χαρτοφυλακίων αυξάνει μονοτονικά από τα χαρτοφυλάκια με μετοχές χαμηλού B/Mδείκτη στα χαρτοφυλάκια με μετοχές υψηλού B/Mδείκτη, εντός κάθε κατηγορίας μεγέθους 25

26 26

27 Size-Value Premiums (%) 1,5 1,3 1,1 0,9 0,7 0,5 0,3 0,1-0,1-0,3-0,5 small value Pre-EMU Post-EMU Premiums τωνsmall/ Value Portfolios σχετικά με τα Big/Growth Small Firm Premium ανιχνεύεται μόνο την περίοδο Value Premium ασθενέστερο αλλά στατιστικά σημαντικό την περίοδο

28 1 0,8 0,6 European & International evidence Size and Value Premiums(in %) Period: 1970to 2004-Datastream, monthly, equally weighted 0,4 0,2 V alue S iz e 0-0,2-0,4 USA Japan U.K. France Germany Italy Netherlands Belgium Switcherland Sweden Australia World World ex- -0,6 28

29 Συνολικά αποτελέσματα CAPM - ΕΥΡΩΠΗ Δεν υπάρχει καμία στατιστικά σημαντική συσχέτιση μεταξύ betas και μέσων αποδόσεων χαρτοφυλακίων βάση Size καιb/m δείκτη CAPM πραγματοποιεί υψηλά και στατιστικά σημαντικά λάθη αποτίμησης, με πολύ χαμηλά προσαρμοσμέναr 2 σε όλες τις παλινδρομήσεις small-firm effect ανιχνεύεται μόνο την περίοδο Υψηλά Value effects σε όλες τις περιόδους Το CAPM φαίνεται να λειτουργεί καλύτερα «μεταξύ» των Ευρωπαϊκών αγορών και όχι στο εσωτερικό αυτών 29

30 Mean excess Return 2 1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 CAPM Among European Countries (Rouwenhorst-1999-% in DM) D enmark Netherlands A ustria Germany B elgium S weden France S witzerland S pain Italy Norway UK C A P M F it y = 0,7723x + 0,6613 R 2 = 0, ,2 0,4 0,6 0,8 1 1,2 1,4 B e ta 30

31 CAPM Among Euro-Area Countries ,012 0,01 Finland Italy Mean Excess Return 0,008 0,006 0,004 Ireland Portugal Luxembourg Spain Greece Netherlands Germany 0,002 Belgium Austria France 0 0 0,2 0,4 0,6 0,8 1 1,2 1,4 Beta 31

32 Size Effect USA- Schwert

33 Size Premiums Evidence (in %): Pre-Post Publication (James Montier 2007) USA U.K. Europe USA:'27-'80, U.K.: '55-80, Europe:74-90 USA:81-06, U.K.:81-01, Europe:

34 Value Premiums (Fama/French 1998 in US$) 0,14 0,12 0,1 0,08 0,06 Value 0,04 0,02 0 USA Japan U.K. France Germany Italy Netherlands Belgium Switcherland Sweden Australia Hong Kong Singapore 34

35 Fama-French s 3 Factor Model (1992) Το μοντέλο των 3 παραγόντων : E (R i -R f ) = b i E (R m -R f ) + s i E(SMB) + h i E(HML)(4) SMB, HML αποτελούν συστηματικές πηγές κινδύνου, που δεν σχετίζονται με τον κίνδυνο της αγοράς και δεν μπορούν να διαφοροποιηθούν SMB, HML είναι χαρτοφυλάκια μηδενικού κόστους που προσιδιάζουν τους παράγοντες κινδύνου του μεγέθους και της αξίας. Τα χαρτοφυλάκια αυτά αποτελούνται από την ισάξια αγορά κάθε μήνα των Small/ Value μετοχών (long position)και πώληση των Big/ Growth μετοχών (short position) 35

36 Fama-French s 3 Factor Model Το μοντέλο 3 παραγόντων μπορεί να ελεγχθεί με την παλινδρόμηση ελαχίστων τετραγώνων (R it -R ft ) = a i + (R mt -R ft ) β i + (SMB t ) S i + (HML t ) H i + ε i (5) Ταεκτιμώμενα betas (b i, s i,h i ) μετρούν την τάση της εξαρτημένης μεταβλητής να συνδιακυμαίνεται με τους παράγοντες κινδύνου της αγοράς, του μεγέθους και της αξίας αντίστοιχα. 36

37 SMB (2X3) & HML (2x3) Factors Για την κατασκευή των παραγόντων κινδύνου, σχηματίζουμε 6 χαρτοφυλάκια από την από την διατομή της κατηγοριοποίησης των μετοχών σε 2 κατηγορίες βάση μεγέθους (size) και 3 κατηγορίες βάση δείκτη Β/Μ Breakpoints : Size: 50% (Small/ Big) B/M: 30%-40%-30% (High/Medium/Low) SMB (2X3) ορίζεται ως η διαφορά μεταξύ του μέσου των αποδόσεων των 3 Small χαρτοφυλακίων και του μέσου των αποδόσεων των 3 Big Portfolios 37

38 SMB (2X3) & HML (2x3) Factors HML (2X3ορίζεται ως η διαφορά μεταξύ του μέσου των αποδόσεων των 2 High B/M χαρτοφυλακίων και του μέσου των αποδόσεων των 2 Low B/M Πολύ μικρή η συσχέτιση (correlation) μεταξύ των 2 νέων παραγόντων κινδύνου, στην Ευρώπη (ΗΠΑ: -0,08) 38

39 3 Factor Model Regressions of 16 Double Sorted Portfolios Period: Average Absolute Pricing Error 3 Factor Model Regressions Average R Average Adjusted R 2 Average S(e) Τα λάθη αποτίμησης, alphas, δεν είναι στατιστικά σημαντικά εκτός από το SH χαρτοφυλάκιο Το μοντέλο των 3 παραγόντων ερμηνεύει το μεγαλύτερο ποσοστό (90,7%) της διακύμανσης των μέσων αποδόσεων των 16 χαρτοφυλακίων βάση Size καιb/m 39

40 Σύγκριση CAPM- 3 FM CAPM παρουσίασε 2πλάσια μέσα απόλυτα λάθη αποτίμησης σε σύγκριση με το 3 FM, τα οποία και ήταν στατιστικά σημαντικά για τα 10 από τα 16 χαρτοφυλάκια Το προσαρμοσμένο R 2 των παλινδρομήσεων αυξάνει κατά 40% (από 66%-CAPM σε 91%- 3FM) Το μέσο τυπικό σφάλμα της παλινδρόμησης του 3FMείναι κατά 1,7 φορές μικρότερο από του CAPM 40

41 Actual Mean Excess Return vs. 3 Factor Model Predictions Changing Size within B/M Categories Period ,012 0,01 S/H Actual Mean Excess Return 0,008 0,006 0,004 S/L0,002 0 S/MB B/L S/MA MB/MB B/MB MB/MA MA/MB MA/MA MB/H B/MA MA/H -0,004-0, ,002 0,004 0,006 0,008 0,01-0,002 MB/L MA/L -0,004 Predicted Mean Excess Return High Medium A Medium B Low B/H 41

42 Actual Mean Excess Return vs. 3 Factor Model Predictions Changing B/M within Size Categories Period ,012 0,01 S/H Actual Mean Excess Return 0,008 0,006 S/MA MB/H MA/H B/MB B/MA 0,004 S/MB MB/MA MA/MA 0,002 S/L 0 B/L MB/MB MA/MB -0,004-0, ,002 0,004 0,006 0,008 0,01-0,002 MB/L MA/L -0,004 Predicted Mean Excess Return Small Medium B Medium A Big B/H 42

43 43

44 (L o g ;b a s e : 2 ) C u m u la tiv e R e tu r n s July-90-2 Cumulative Returns on Factors-Europe Διάγραμμα δείχνει την αξία 1 Ευρώ επενδυμένου στην αρχή της περιόδου HML:αποφέρει 18,75 και 18,12 φορές μεγαλύτερη απόδοση από τα χαρτοφυλάκια της αγοράς (value και equally weighted July-91 July-92 July-93 July-94 July-95 July-96 July-97 July-98 Value Weighted Market Proxy HML (2x3) July-99 Time SMB (2x3) July-00 July-01 July-02 July-03 July-04 July-05 July-06 Equally Weighted Market Proxy αντίστοιχα) SMB:-50% σχετικά με την αγορά Και οι δύο παράγοντες έχουν μικρή και αρνητική συσχέτιση με την αγορά 44

45 45

46 Value- Size Effects (in %) 1 st B/M and 10 th Size decileagainst CAPM & 3FM 1,3 1,1 0,9 0,7 0,5 0,3 0,1-0,1-0,3-0,5 CAPM Value 3FM Value CAPM Size 3FM Size Pre-EMU Post-EMU 46

47 Φαινόμενο του Ιανουαρίου Keim-1983 & Reinganum-1983Turn of the Year-January-effect Το μεγαλύτερο ποσοστό των αντικανονικών (βάση CAPM) αποδόσεων των μετοχών των εταιριών μικρής κεφαλαιοποίησης, πραγματοποιείται κατά τις πρώτες 15 μέρες του Ιανουαρίου 47

48 Turn of the Year (January) Effect-ΗΠΑ- Schwert

49 Turn of the Year Effect-Euro-Area (in %) aj(t=3,6) aj(t=0,87) aj(t=4,2) Pre-EMU Post-EMU (R 10t -R 1t ) = a 0 +a j Jan t +ε t January t : Dummy Variable a j μετράει την διαφορά στην μέση απόδοση μεταξύsmall καιbig size μετοχών κατά τον January σε αντίθεση με τους υπόλοιπους μήνες του χρόνου a 0 δεν είναι στατιστικά σημαντικά 49

50 Το φαινόμενο του Σαββατοκύριακου French-1980-Weekend Effect -: H μέση απόδοση του Standard and Poor s (S&P) Composite χαρτοφυλακίου ήταν σημαντικά αρνητική τα Σαββατοκύριακα (απόπαρασκευή σε Δευτέρα) την περίοδο Τάση των εταιριών να ανακοινώνουν αρνητικά νέα την Παρασκευή μετά το κλείσιμο των αγορών, οδηγούν σε μειωμένες τιμές την Δευτέρα Απαισιοδοξία των επενδυτών κατά το Σαββατοκύριακο (Behavioural Finance: Fading Optimism between Friday and Monday) 50

51 The Weekend Effect- USA Schwert

52 Reversal Effect «Φαινόμενο της αντιστροφής»-debondtand Thaler(1985): Μετοχές με χαμηλές αποδόσεις για μια μεγάλη περίοδο στο παρελθόν (Long Term past losers), έχουν την τάση να παρουσιάζουν υψηλές αποδόσεις στο άμεσο μέλλον (Long Term past losers tend to be future Winners and long term past winners tend to be future Losers) Η μακροχρόνια παρελθοντική απόδοση των μετοχών μετριέται σε όρους συνεχώς ανατοκιζόμενης απόδοσης τα προηγούμενα 5 με 3 χρόνια(μήνεςt-60 to t-13) 52

53 Average Monthly Excess return (in %) on 10 equally Weighed Reversal Portfolios A verag e Mo n th ly Excess retu rn (in % ) 2,5 2 1,5 1 0, High 10 -low Reversal Portfolios 53

54 Reversal Strategy (in %) 1,6 1,4 1,2 1 0,8 0,6 0,4 0, sub 1 sub 2 Zero-Cost Portfolio: Κάθε μήνα long position σε long term past Losers (10 th decile) και short position σεlong term past Winners (1 st decile) Test Period: July 1995 to June 2007 Subperiods: 1) July 1995-June ) July 2001-June

55 (log;base 2) cumulative return Figure Cumulative return (log;base 2) market portfolios vs reversal strategy July 1995-June ,5 3 2,5 2 1,5 1 0,5 0-0,5 Ιουλ-95 Ιουλ-96 Ιουλ-97 Ιουλ-98 Ιουλ-99 Ιουλ-00 Ιουλ-01 Ιουλ-02 Ιουλ-03 Ιουλ-04 Ιουλ-05 Ιουλ-06 Στρατηγική Reversal : επιφέρει 2,72 και3,5 φορές μεγαλύτερη αθροιστική απόδοση από την επένδυση στα χαρτοφυλάκια της αγοράς -1 date reversal strategy vw market ew market 55

56 Models Performance Against Reversal actu al m ean exess retu rn, E (Ri - R f) 0,018 0,016 0,014 0,012 0,01 0,008 0,006 0,004 0,002 0 Figure 4.5.1b Reversal predictions 0 0,005 0,01 0,015 0,02 CAPM predictions Average excess predicted Fama-French 3 factor model predictions Period Average Absolute Pricing error Adjusted R 2 CAPM FM Pricing Errors στατιστικώς μηδενικά για 3FM CAPM Errors είναι στατιστικά σημαντικά για Winners και Losers 56

57 Momentum Effect «Φαινόμενο της συνέχειας» -Jegadeesh and Titman (1993): Μετοχές με υψηλές (χαμηλές) αποδόσεις στο πρόσφατο παρελθόν (Short Term past Winners) τείνουν να παρουσιάζουν υψηλές(χαμηλές) αποδόσεις και στο άμεσο μέλλον Η απόδοση μιας μετοχής στο πρόσφατο παρελθόν μετριέται σε όρους συνεχώς ανατοκιζόμενης απόδοσης τον τελευταίο χρόνο (months t-12 to t-2) 57

58 Average monthly Excess Return (in %) on 10 equally weighted European Momentum Portfolios Average monthly Excess Return (in %) 2 1,5 1 0, ,5 1-High Momentum Portfolio 10-low 58

59 Momentum Strategy (in%) 2 1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0, sub 1 sub 2 Zero-Cost Portfolio: Κάθε μήνα Long Position σε Short Term Past Winners και Short Position σε Short Term Past Losers Test Period: July 1991 to June 2007 Subperiods: 1) July 1991-June ) July 1999-June

60 Log Cumulative Return Jul-91 Figure Log (base:2) Cumulative return on Market Portfolios VS Momentum Strategy, Period July June 2007 Jul-92 Jul-93 Jul-94 Jul-95 Jul-96 Jul-97 Jul-98 Στρατηγική Momentum επιφέρει 7,7 και 7 φορές μεγαλύτερη αθροιστική απόδοση από την επένδυση στα χαρτοφυλάκια της αγοράς Jul-99 Date Jul-00 Jul-01 Jul-02 Jul-03 Jul-04 Jul-05 Jul-06 equally-weighted market momentum strategy value-weighted market 60

61 Models Performance Against Momentum A c t u a l a v e r a g e E x c e s s R e t u r n Figure c-Momentum Predictions 0,02 0,018 p1 p1 0,016 0,014 0,012 0,01 0,008 0,006 0,004 0,002 p10 p ,001 0,002 0,003 0,004 0,005 0,006 0,007 0,008 0,009 0,01 3 Factor Model Predictions Average excess return predicted CAPM Predictions Period Average Absolute Pricing error Adjusted R 2 CAPM FM Pricing Errors στατιστικά σημαντικά for Winners and Losers Τα Μοντέλα Υποεκτιμούν τους Winners και Υπερεκτιμούν τους Losers 61

62 4 Factor model MOM: Momentum factor- Carhart 1997 Ερμηνεία του momentum ως παράγοντα κινδύνου MOM είναι ένα χαρτοφυλάκιο μηδενικού κόστους που επιτυγχάνεται με την αγορά (long Position) κάθε μήνα του 30% των Short term past Winners με την υψηλότερη απόδοσηκαι την ισόποση πώληση (Short Position)του 30% Short term past Losers με την χαμηλότερη απόδοση 4 Factor model Regressions: (R it R ft ) = a i + b i (R mt R ft ) + s i SMB + h i HML + m i MOM+ ε it 62

63 4 Factor Model Against Momentum a c t u a l a v e r a g e e x c e s s r e t u r n Figure d 4 Factor Model Predictions 0,02 p1 0,018 0,016 0,014 0,012 0,01 0,008 0,006 0,004 0,002 p ,005 0,01 0,015 0,02 average excess return predicted 4 factor model predictions Period FM Average Absolute Pricing Adjusted R 2 error Pricing Errors δεν είναι στατιστικώς διαφορετικά του μηδενός Το μοντέλο 4 παραγόντων ερμηνεύει την διακύμανση των αποδόσεων των χαρτοφυλακίων βάση momentum 63

64 USA Evidence (in %) Cochrane ,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 Reversal Momentum

65 European And International Momentum Evidence Datastream International (in %) Momentum ,8 0,6 0,4 0,2 0-0,2 USA Japan U.K. France Germany Italy Netherlands Belgium Switcherland Sweden Australia World World ex-usa Momentum 65

66 European Momentum Evidence Rouwenhorst-1998 (in %) Momentum ,4 1,2 1 0,8 0,6 0,4 0,2 0 Austria Belgium U.K. France Germany Italy Netherlands Denmark Switcherland Sweden Spain Norway Momentum 66