Samenvatting van de computersessies met uitleg van begrippen, werkwijze, formules, interpretaties van alle oefeningen en afbeeldingen van de regressie output
prof: Koen Inghelbrecht
Vak: Onderzoeksmethoden In Finance
Inhoud
Computersessie 1: Introduction .................................................................................................... 4
1 Inspect Excel file .......................................................................................................................... 4
2 Import data.................................................................................................................................. 4
3 Transform data ............................................................................................................................ 4
4 Plot Data ...................................................................................................................................... 5
4.1 Time series plot ................................................................................................................... 5
4.2 XY-plot ................................................................................................................................. 6
4.3 Histogram ............................................................................................................................ 6
5 Normality test.............................................................................................................................. 6
6 Descriptive statistics .................................................................................................................... 7
6.1 Mean and variance .............................................................................................................. 7
6.2 Correlations ......................................................................................................................... 8
7 Exercise: “Equity” ........................................................................................................................ 9
Computersessie 2: Classical Linear Regression Model (CLRM) ...................................................... 13
8 Simple regression ...................................................................................................................... 13
8.1 Example: CAPM ................................................................................................................. 13
8.2 OLS-regressie ..................................................................................................................... 13
8.3 Residuals ............................................................................................................................ 15
8.4 R²: goodness of fit strategies ............................................................................................ 16
8.5 Statistical tests................................................................................................................... 17
9 Exercise: “Equity” ...................................................................................................................... 23
10 Multiple regression.................................................................................................................... 31
10.1 OLS estimation of multiple regression .............................................................................. 31
10.2 Residuals ............................................................................................................................ 33
10.3 Detection of outliers.......................................................................................................... 33
10.4 Dealing with outliers.......................................................................................................... 35
11 Regression with dummy variables............................................................................................. 37
Computersessie 3: CLRM Assumptions and Diagnostic Tests ........................................................ 39
12 Pitfalls in regression models using cross-sectional data ........................................................... 39
12.1 Omitted variable basis ....................................................................................................... 39
12.2 Multicollinearity ................................................................................................................ 41
1
,12.3 Omitted variable bias vs. multicollinearity ........................................................................ 43
12.4 Heteroskedasticity ............................................................................................................. 43
13 Working with time series data .................................................................................................. 52
13.1 Example: “Microsoft” ........................................................................................................ 52
13.2 Simple regression model ................................................................................................... 52
13.3 Outliers .............................................................................................................................. 54
14 Pitfalls using time series variables ............................................................................................. 57
14.1 Omitted variable bias ........................................................................................................ 57
14.2 Multicollineariteit .............................................................................................................. 59
14.3 Heteroskedasticiteit .......................................................................................................... 60
15 Additional pitfall: Residual autocorrelation .............................................................................. 63
15.1 Detection ........................................................................................................................... 63
15.2 Example: “badnews” ......................................................................................................... 68
16 Exercises .................................................................................................................................... 75
16.1 Exercise: “Wage discrimination” ....................................................................................... 75
16.2 Exercise: “Earnings” ........................................................................................................... 82
16.3 Exercise: “Philips curve” .................................................................................................... 90
Computersessie 5: Non-Stationarity and Unit Root Testing .......................................................... 95
17 Detecting nonstationary time series ......................................................................................... 95
17.1 Example: “Stock prices on NYSE” ...................................................................................... 95
17.2 Time series plot ................................................................................................................. 95
17.3 Autoregressive model........................................................................................................ 96
17.4 Unit root test ..................................................................................................................... 97
18 Exercise: “Interestrates”.......................................................................................................... 102
Computersessie 7: Models for Panel Data ..................................................................................107
19 Panel data ................................................................................................................................ 107
19.1 Example: “Airline” ........................................................................................................... 107
20 Panel data models ................................................................................................................... 109
20.1 Steps to follow ................................................................................................................. 109
20.2 Pooled OLS: Estimation ................................................................................................... 109
20.3 Individual effects models................................................................................................. 111
21 Exercise: “Panel” ..................................................................................................................... 118
Computersessie 8: Limited Dependent Variable Models .............................................................122
2
,22 Limited dependent variable models (LVD) .............................................................................. 122
22.1 Example: “Split ratings” ................................................................................................... 122
22.2 Linear probability model ................................................................................................. 123
22.3 Logit and probit models .................................................................................................. 125
23 Exercise: “Default”................................................................................................................... 129
3
, Computersessie 1: Introduction
1 Inspect Excel file
• Kijken hoe Excel file is opgesteld
• moeten er transformaties gedaan worden
• wat is eerste kolom/rij
• …
2 Import data
Toolbar: File/Open Data/User File
Save:
Toolbar: File/Save Data
Goed opletten welk type financiële data:
• time series (= var. varieert doorheen tijd)
• cross-sectional (= data over bv. verschillende bedrijven)
• panel (= data doorheen tijd, over verschillende bedrijven)
3 Transform data
(indien nodig!)
Generate new variable:
Toolbar: Add/Define new variable...
Compute return based on total return index (TRI) and define it as R
R = (TRI-TRI(-1))/TRI(-1) (= rendement fortis)
Exercise: Compute market return based on BEL-20 total return index (BEL20) and define it as RM:
RM= (BEL20 -BEL20(-1))/BEL20 (-1)(= rendement markt)
Exercise: Compute return based on price index (PI) and define it as R2.
R2= (PI-PI(-1))/PI(-1) (=rendement prijsindex (PI))
Build in options: log, squares, etc
Select variable(s),
Toolbar: Add/Logs of selected variables
Toolbar: Add/Squares of selected variables
4
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur ZiziCoincoin. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €6,49. Vous n'êtes lié à rien après votre achat.
