Empirical Methods in Finance
Descriptive Statistics
- Covariance = σ XY =E [ ( X−μ X ) ( Y −μ X ) ]
o Dus hoe X en Y samen bewegen ten opzichte van het eigen gemiddelde
σ XY
- Correlation = ρ XY =
σXσY
o Hoe X en Y samen bewegen onafhankelijk van meeteenheid, doordat er
gedeeld wordt door het product van de standaarddeviaties
X−μ
- Z-score =
σ
o Het aantal standaarddeviaties dat de waarde van het gemiddelde af ligt
Matrix Algebra
- Rank = het maximaal aantal lineair onafhankelijke rijen of kolommen in de matrix
Bivariate OLS (Block 2)
- Logarithmische verdeling:
Dep. Var. Indep. Var. Interpret. β
Level-level y x Δy = βΔx
Level-log y log(x) Δy = β%Δx
Log-level log(y) x %Δy = βΔx
Log-log log(y) log(x) %Δy = β%Δx
BLUE
- Definitie:
o Best = als je met meerdere steekproeven ɑ en β schat, is de variantie van de
uitkomsten kleiner dan bij andere mogelijkheden
o Linear = lineaire relatie tussen x en y
o Unbiased = α^ en ^β zijn gemiddeld gelijk aan α en β
o Estimator = α en β zijn schatters van de daadwerkelijke waardes
- Eigenschappen:
o Unbiasedness = α^ =α en ^β=β
o Efficiency = zelfde als “Best”
o Consistency = geschatte α^ en ^β convergeren naar daadwerkelijke waardes als
sample size vergroot wordt
o Asymptotic normality = geschatte waardes zijn normaal verdeeld in samples
die groot genoeg zijn
OLS Assumptions
- [A1] lineair
- [A2] random sample
- [A3] sample variation; als een variabele varieert in de populatie, moet deze ook
variëren in de sample
- [A4] E[u|x] = 0
, - [A5] homoscedasticity; u is constant voor elke waarde van x
- [A6] normality; error is onafhankelijk van x en normaal verdeeld
Tests (Block 3)
- T-test = meet hoeveel standaard errors de ^β van 0 af ligt
- P-value = de kans dat je H0 fout afwijst; het kleinste significantieniveau waarop H0
afgewezen zou worden
Multivariate Linear Regression Model (Block 4)
OLS (Matrix)
- ⏟y = ⏟X ⏟β +
u⏟
( Nx 1) ¿¿ ( ( k+1 ) x 1) ( Nx 1)
- →Matrices van alle X en alle β om makkelijker te rekenen
- Dus de sum of squared residuals =
- u' u=( y−X ^β )' ( y−X ^β )
- FOC = 0
- ^β = (X’X)-1 X’y
Multivariate OLS assumptions
- Zelfde als voor bivariate +
- Geen collinearity; correlatie tussen 2 verklarende variabelen
o Bij de OLS estimator wordt de inverse genomen van (X’X) --> daarvoor moet
de matrix vierkant en full rank zijn --> eerste 2 kolommen x 1 en x2 zijn lineair
afhankelijk, en dus niet full rank
- [A4] E[u|x] = o kan nu in 3 gevallen
Opdrachten Wooldridge
Beta schatten (2.3i):
Σ ( xi −x)( y i− y)
β i=
Σ¿¿
Fitted values (2.3ii) is de daadwerkelijke waardes met de geschatte waardes van y ernaast
R2 schatten (2.3iv):
2 SSR Σ u^ 2i
R =1− =1−
SST Σ¿¿
SSR
2 n−k −1
Adjusted R2: R =1−
TSS
n−1
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller robinkleinen. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $3.21. You're not tied to anything after your purchase.