Влияние отношенческого капитала

# для разных портфелей. Когда окно меняется, матрица начинает заполняться снова

coefmat <- matrix(nrow=0, ncol=5)

colnames(coefmat) <- c("Intercept","Market", "SMB", "HML","HRCMLRC")

# av.return.mat - здесь временно хранятся средние доходности портфелей для каждого окна.

# Когда окно смещается, матрица начинает запоняться сначала

av.return.mat <- matrix(nrow=0, ncol=1)

# tstat.mat - здесь временно хранятся t-статистики

tstat.mat <- matrix(nrow=0, ncol=5)

# pvalues.mat - здесь временно хранятся p-values из time series regression

# для разных портфелей. Когда окно меняется, матрица начинает заполняться снова

pvalues1.mat <- matrix(nrow=0, ncol=5)

# здесь временно хранятся R2

r2.mat <- matrix(nrow=0, ncol=1)

############

# define window

first.obs <- start.obs + (i - 1)*step

last.obs <- first.obs + window - 1

# subset data

subdata <- Data[first.obs:last.obs,]

#data.y <- Y[first.obs:last.obs,]

rp <- subdata$Rp

smb <- subdata$SMB

hml <- subdata$HML

hrcmlrc <-subdata$HRCMLRC

## rolling time series regression - estimate betas

for(j in 1:12){

p.return <- subdata[, j+1]-subdata$RF

#estimate equation for the time series regression

eq1 <- lm(p.return ~ rp + smb + hml + hrcmlrc)

#store coefficients (betas)

coefs1 <- eq1$coefficients

coefmat <-rbind(coefmat, coefs1)

# здесь к-ты для TS по разным портфелям

# store p-values for the time series

pvalues1 <- summary(eq1)$coef[,4]

pvalues1.mat <- rbind(pvalues1.mat, pvalues1)

av.return.mat <- rbind(av.return.mat, mean(p.return))

# сохраняем t-статистики

tstat1 <- summary(eq1)$coef[,4]

tstat.mat <- rbind(tstat.mat, tstat1)

# сохраняем R2

r2 <- summary(eq1)$r.squared

r2.mat <- rbind(r2.mat, r2)

######## Сохраняем к-ты и средние доходности для панели

coefmat.panel <- rbind(coefmat.panel, coefs1)

returns.panel <- rbind(returns.panel, mean(p.return))

}

rownames(coefmat) <- c("Big Growth High", "Big Growth Low", "Big Neutral High", "Big Neutral Low",

"Big Value High", "Big Value Low", "Small Growth High", "Small Growth Low",

"Small Neutral High", "Small Neutral Low", "Small Value High", "Small Value Low")

rownames(pvalues1.mat) <- c("Big Growth High", "Big Growth Low", "Big Neutral High", "Big Neutral Low",

"Big Value High", "Big Value Low", "Small Growth High", "Small Growth Low",

"Small Neutral High", "Small Neutral Low", "Small Value High", "Small Value Low")

# Отдельно сохраняем все беты, чтобы потом посчитать среднее и вывести в результатах

intercept.coefmat <- cbind(intercept.coefmat, coefmat[,1])

market.coefmat <- cbind(market.coefmat, coefmat[,2])

smb.coefmat <- cbind(smb.coefmat, coefmat[,3])

hml.coefmat <- cbind(hml.coefmat, coefmat[,4])

hrcmlrc.coefmat <- cbind(hrcmlrc.coefmat, coefmat[,5])

# Также сохраняем t-статистики

intercept.tstatmat<- cbind(intercept.tstatmat, tstat.mat[,1])

market.tstatmat <- cbind(market.tstatmat, tstat.mat[,2])

smb.tstatmat <- cbind(smb.tstatmat, tstat.mat[,3])

hml.tstatmat <- cbind(hml.tstatmat, tstat.mat[,4])

hrcmlrc.tstatmat <- cbind(hrcmlrc.tstatmat, tstat.mat[,5])

# сохраняем R2

r2.r2mat <- cbind(r2.r2mat, r2.mat)

# теперь оценим премии на данном окне

# создаем переменные

av.return <- av.return.mat[,1]

rp.beta <- coefmat[, 2]

smb.beta <- coefmat[, 3]

hml.beta <- coefmat[, 4]

hrcmlrc.beta <- coefmat[, 5]

# регрессия

eq3 <- lm(av.return ~ rp.beta + smb.beta + hml.beta + hrcmlrc.beta)

# сохраняем коэффицициенты (они же премии)

premiums <- eq3$coefficients

premiums.mat <- rbind(premiums.mat, premiums)

# сохраняем p-values

pvalues2 <- summary(eq3)$coef[,4]

pvalues2.mat <- rbind(pvalues2.mat, pvalues2)

}

rownames(premiums.mat) <- c(1:num.rolls)

rownames(pvalues2.mat) <- c(1:num.rolls)

#### Создаем матрицы для regression summary

## Создаем вектор со средними премиями

av.premiums <- colMeans(premiums.mat)

## t-статистика для премий

tstat.premium <- cbind(t.test(premiums.mat[, 2])$statistic, t.test(premiums.mat[, 3])$statistic,

t.test(premiums.mat[, 4])$statistic,t.test(premiums.mat[, 5])$statistic)

colnames(tstat.premium) <- c("Market", "SMB", "HML","HRCMLRC")

## Cоздаем матрицу со средними значениями бет

av.betas <- cbind(rowMeans(market.coefmat), rowMeans(smb.coefmat), rowMeans(hml.coefmat),rowMeans(hrcmlrc.coefmat))

colnames(av.betas) <- c("Market", "SMB", "HML","HRCMLRC")

## Создаем матрицу со средними значениями t-статистик

av.tstats <- cbind(rowMeans(market.tstatmat), rowMeans(smb.tstatmat), rowMeans(hml.tstatmat),rowMeans(hrcmlrc.tstatmat))

colnames(av.tstats) <- c("Market", "SMB", "HML","HRCMLRC")

## Матрица со средними R2

av.r2 <- rowMeans(r2.r2mat)

##########################################################

## Панельная регрессия на коэффициенты - получаем премии

# Назначаем переменные

alha.panel <- coefmat.panel[,1]

market.panel <- coefmat.panel[, 2]

smb.panel <- coefmat.panel[, 3]

hml.panel <- coefmat.panel[, 4]

hrcmlrc.panel <- coefmat.panel[, 5]

y.panel <- returns.panel[, 1]

# регрессия

eq.panel <- glm(y.panel ~ market.panel + smb.panel + hml.panel + hrcmlrc.panel);

# результаты

(eq.panel$coefficients+1)^52-1

View(av.r2);

summary(eq.panel);

Размещено на Allbest.ru