Upload
vuthu
View
216
Download
0
Embed Size (px)
Citation preview
HA-almen, 6. semester Forfatter: Jacob Krøll
Bachelorafhandling Vejleder: Stig Vinther Møller
Erhvervsøkonomisk Institut
Empirisk undersøgelse af CAPM
med fokus på size- og value-premiums
Aarhus Universitet, Business and Social Sciences
Forår 2012
Abstract
This thesis investigates the ability of the capital asset pricing model (CAPM) to explain
size-, value-premiums, and excess returns on six portfolios formed on the intersections
of market capitalization and book to market ratio on the American stock market. The
investigation focuses on the period 1926-2012 which is further divided into four sub-
periods, 1926-1945, 1946-1974, 1975-1999, and 2000-2012, based on the degree of
financial and political turbulence. The motivation of this thesis springs from the study
of Castellani & Jahan-Parvar (2010), where they find that CAPM is successful in
explaining the excess returns on the six portfolios in the periods 1926-1963 and 1987-
2009. They argue that these periods both have high degrees of financial and political
turbulence and that this might be an explanation of the successful performance of
CAPM in these periods. This thesis seeks to contribute to these findings.
Firstly, the theoretical framework of CAPM is reviewed. It is shown how CAPM is based
on Markowitz’s (1959) model of portfolio selection where investors choose mean-
variance-efficient portfolios. With the introduction of the risk-free interest rate the
capital market line (CML) is derived, and finally it is shown how CAPM describes the
expected return on an asset in terms of the risk-free interest rate, the expected return
on the market portfolio, and the systematic risk of the asset. This relationship is shown
by the security market line (SML).
To examine the existence of size- and value-premiums in the chosen periods, the null
hypothesis that a given premium is equal to zero is tested against the alternative that
the premium is different from zero. To test if CAPM can explain the premiums and the
excess returns on the 6 portfolios, time-series regressions of each premium or excess
return on the excess market return are performed. Then for each regression the null
hypothesis that the intercept parameter is equal to zero is tested against the
alternative that the intercept is different from zero. Failure to reject the null implies
that CAPM cannot be rejected for the premium or excess return in question and vice
versa. In addition, the null hypothesis that the intercepts from the six portfolios is
jointly equal to zero is tested against the alternative that at least one of the intercepts
is different from zero. The central element to this test is an -statistic introduced by
Gibbons et al. (1989).
The results of the tests show the existence of either size-, value-premiums or both in
all of the periods. CAPM explains some of these premiums but not all. An interesting
result is that CAPM fails to explain the excess returns on the six portfolios in all periods
except from 1926-1945 which is considered the most turbulent period. This supports
Castellani & Jahan-Parvar’s (2010) hypothesis, but only to a weak extent since the
period is a sub-period of 1926-1963. Further support is not found since CAPM is
rejected for the turbulent 2000-2012 period. While Fama & French (2006) and
Castellani & Jahan-Parvar (2010) find that CAPM is able to explain the size-premium,
the results in this thesis show the existence of size-premiums concentrated in
portfolios with neutral and high book to market ratios for the full period and a size-
premium in portfolios with high book to market ratio for the 2000-2012 sub-period
that cannot be explained by CAPM.
Indholdsfortegnelse 1. Introduktion .............................................................................................................................. 1
1.1 Problemformulering ............................................................................................................ 1
1.2 Afgrænsning ........................................................................................................................ 2
1.3 Struktur ............................................................................................................................... 3
2. Teori .......................................................................................................................................... 4
2.1 Forudsætninger for CAPM .................................................................................................. 4
2.2 Sharpe-Lintner CAPM .......................................................................................................... 6
3. Metode .................................................................................................................................... 10
3.1 Data ................................................................................................................................... 10
3.1.1 Porteføljesammensætning ......................................................................................... 10
3.1.2 Periodeinddeling ........................................................................................................ 12
3.2 Databehandlingsværktøjer ................................................................................................ 15
3.3 Simple statistiske metoder ................................................................................................ 16
3.3.1 Middelværdi ............................................................................................................... 16
3.3.2 Varians og standardafvigelse ..................................................................................... 17
3.3.3 -statistik og -værdi ................................................................................................. 17
3.3.4 Forudsætning om normalfordelt population ............................................................. 19
3.4 Tidsserieregression og GRS-teststatistikken ..................................................................... 21
3.4.1 Tidsserieregression ..................................................................................................... 22
3.4.2 GRS-teststatistikken ................................................................................................... 24
3.4.3 Forudsætninger for tidsserieregressionen ................................................................. 26
4. Resultater ................................................................................................................................ 30
4.1 Resultaterne af de simple statistiske tests ........................................................................ 30
4.1.1 Analyse af resultaterne .............................................................................................. 30
4.1.2 Opsummering ............................................................................................................. 37
4.2 Resultater af tidsserieregressionerne ............................................................................... 38
4.2.1 Analyse af resultaterne .............................................................................................. 38
4.2.2 Opsummering ............................................................................................................. 44
4.3 Sammenfatning ................................................................................................................. 45
5. Konklusion ............................................................................................................................... 47
Litteraturliste ............................................................................................................................... 49
1
1. Introduktion Capital asset pricing modellen (CAPM) blev udviklet af Sharpe (1964) og Lintner (1965)
og bygger på Markowitz (1959) porteføljevalgsmodel. CAPM var den første asset
pricing model, og den beskriver sammenhængen mellem forventet afkast og risiko på
aktiver. På trods af at empiriske undersøgelser, som fx Fama & MacBeth (1973), peger
på, at modellen ikke i tilstrækkelig grad kan forklare afkast på aktiver i virkeligheden,
så bliver modellen anvendt bl.a. i undervisning og af virksomheder pga. dens simple og
intuitive opbygning (Fama & French, 2004). Andre asset pricing modeller er sidenhen
blevet udviklet, fx Ross’ (1976) arbitrage pricing theory (APT) og Mertons (1973)
intertemporal capital asset pricing model (ICAPM).
Empiriske undersøgelser på det amerikanske aktiemarked viser, at aktier i små
virksomheder har en tendens til at give højere afkast end aktier i store virksomheder,
det såkaldte size-premium, samt at de såkaldte value stocks, der er aktier i
virksomheder med høj book equity to market equity ratio (BE/ME), har en tendens til
at give højere afkast end growth stocks, der er aktier i virksomheder med lav BE/ME,
det såkaldte value premium (Fama & French, 2006). I et studie af Castellani & Jahan-
Parvar (2010) på det amerikanske aktiemarked i perioden 1926-2009, der er en
viderebygning på studiet af Fama & French (2006), vises det, at CAPM godt kan
forklare size-premiummet, mens dette ikke er tilfældet for value-premiummet. Det
vises, at CAPM ikke kan forklare value-premiummet i perioden 1926-2009, men at
modellen godt kan forklare premiummet i perioderne 1926-1963 og 1987-2009.
Castellani og Jahan-Parvar vurderer, at der i disse perioder har været en højere grad af
politisk og finansiel ustabilitet end ellers, og dermed spekulerer de i, at resultaterne
kan antyde, at CAPM klarer sig bedre i disse turbulente perioder. Castellani og Jahan-
Parvar foreslår, at der foretages yderligere undersøgelser af dette.
1.1 Problemformulering Denne afhandling har til formål at forlænge studierne af Fama & French (2006) og
Castellani & Jahan-Parvar (2010) ved at inkludere seneste tilgængelige data. Castellani
2
& Jahan-Parvars (2010) forslag om yderligere undersøgelse af CAPMs performance
under krisetider vil blive imødekommet, ved at bruge Fama & Frenchs (2006)
metodologi til at i perioden 1926-2012 undersøge delperioder opdelt efter hvor
turbulente de har været. Fama & French (2006) og Castellani & Jahan-Parvar (2010)
lægger begge mest fokus på value-premiummet, da de finder dette mest interessant at
undersøge for deres periodevalg. Da denne afhandling tager udgangspunkt i en anden
periodeinddeling, vurderes det at være interessant at undersøge size-premiummet i
lige så høj grad som value-premiummet. For at forstå artiklerne af Fama & French
(2006) og Castellani & Jahan-Parvar (2010) er et kendskab til fundamental teori om
CAPM og statistisk metodologi påkrævet, da begge dele kun berøres overfladisk i disse.
Derfor er det oplagt i denne afhandling at lave en grundigere redegørelse for teorien
om CAPM og den statistiske metodologi. Afhandlingen vil hermed tage udgangspunkt i
følgende problemformulering:
1. Hvad er teorien, der ligger til grund for CAPM?
2. Hvordan kan CAPM testes empirisk?
3. Har der været size- og value-premiums i turbulente og rolige perioder?
4. Hvordan er CAPMs evne til at forklare disse size- og value-premiums samt afkast på
porteføljer opdelt efter size og BE/ME?
1.2 Afgrænsning Der vil i denne afhandling blive brugt data udelukkende fra det amerikanske
aktiemarked. Da markedsporteføljen i CAPM indeholder alle aktiver, er den
markedsportefølje, der dannes af aktier på det amerikanske aktiemarked kun en proxy
for den rigtige (Roll, 1977; Fama & French, 2004). En undersøgelse af konsekvenserne
ved at bruge proxyen er udenfor denne afhandlings rammer. Data forekommer med
månedlig frekvens, da det er med denne frekvens, at data har været tilgængelig for
hele perioden 1926-2012. Data med højere frekvens har kun været tilgængelig fra
1963-2012 (French, 2012). Mere højfrekvent data kunne godt være benyttet for de
3
senere delperioder, men af ønske om at holde research designet konsistent med det af
Fama & French (2006) og Castellani & Jahan-Parvar (2010) benyttes månedlige data.
Foruden Sharpe-Lintner-versionen af CAPM er en anden version udviklet af Black
(1972). Forskellen mellem de to versioner er, at det i Sharpe-Lintner-versionen er
muligt at låne til en risikofri rente, mens dette ikke er muligt i Black-versionen (Fama &
French, 2004). I denne afhandling vil kun Sharpe-Lintner-versionen blive behandlet, da
det er denne version, der bliver benyttet af Fama & French (2006) og Castellani &
Jahan-Parvar (2010).
Andre afgrænsninger vil forekomme, hvor det findes naturligt at bringe dem frem.
1.3 Struktur Afhandlingen består i det følgende af 4 kapitler. I kapitel 2 vil den grundlæggende teori
om CAPM blive gennemgået. I kapitel 3 vil datastrukturen samt den anvendte
metodologi til den empiriske undersøgelse blive beskrevet. I kapitel 4 vil resultaterne
af den empiriske undersøgelse blive fremlagt og analyseret. Til sidst vil der i kapitel 5
blive konkluderet på afhandlingen.
4
2. Teori I dette kapitel vil der blive gjort rede for den teoretiske baggrund for CAPM. Afsnit 2.1
vil beskrive de forudsætninger, som CAPM bygger på. I afsnit 2.2 redegøres der for
Sharpe-Lintner-versionen af CAPM.
2.1 Forudsætninger for CAPM At lave en model der eksakt afspejler den virkelige verden kan være yderst vanskeligt.
Der kan være mange faktorer, der har betydning for investorers adfærd, og for at
holde modellen simpel gøres der derfor visse antagelser om de faktorer, der menes at
have minimal eller ingen betydning. I det følgende er listet forudsætningerne for
CAPM:
1. Ingen transaktionsomkostninger
Der er ingen omkostninger forbundet med hverken at købe eller sælge et aktiv. Hvis
der tages højde for transaktionsomkostninger i modellen, ville afkastet på et aktiv
afhænge af, om investoren var i besiddelse af dette før beslutningsperioden. Om det er
den yderlige kompleksitet værd, at medtage disse omkostninger afhænger af deres
størrelse. Det vurderes, at de er små nok til, at de ikke har særlig stor indvirkning på
investorernes beslutninger.
2. Aktiver er uendeligt delelige
Det er muligt at købe eller sælge en uendeligt lille del af et aktiv.
3. Ingen personlig indkomstbeskatning
Der er ingen beskatning af investorernes afkast. Fx vil investoren være indifferent, om
han modtager afkastet som dividende eller kapitalforøgelse.
4. Fælles prisfastsættelse
5
En enkelt investor kan ikke påvirke prisen på et aktiv med hans købs- og salgsadfærd
svarende til perfekt konkurrence. Med deres adfærd på markedet fastsætter
investorerne i fællesskab prisen på et aktiv.
5. Beslutninger baseret udelukkende på forventet værdi og standard afvigelse
Investorerne tager i deres beslutninger kun højde for det forventede afkast og
standardafvigelserne på deres porteføljer.
6. Ubegrænset short selling
Det er muligt for alle investorer at shorte enhver mængde af ethvert aktiv.
7. Ubegrænsede lån og udlån til en risikofri rente
Investorerne kan låne og udlåne så mange penge de ønsker til den rente, der svarer til
afkastet på et aktiv uden risiko.
8. Homogene forventninger
Alle investorerne har samme forventninger til forventet afkast og varians af dette på
alle aktiver over én bestemt periode, der er den samme for alle investorer (Fama &
French, 2004; Elton et al., 2003).
9. Enighed om relevante beslutningsparametre
Der er enighed blandt alle investorer om de nødvendige parametre, der skal ligge til
grund for porteføljevalget. Disse er et aktivs forventede afkast og varians på dette
samt korrelationsstrukturen mellem de forskellige aktiver.
10. Alle aktiver kan afsættes
Alle aktiver, inklusiv humankapital, kan købes og sælges på markedet.
Det er klart, at ingen af disse forudsætninger holder i den virkelige verden. Det
afgørende er, hvor meget virkeligheden bliver forvrænget, af at CAPM bygger på disse
forudsætninger (Elton et al., 2003). Det er ikke indenfor denne afhandlings ramme at
undersøge betydningen af brudene på disse forudsætninger, men det er værd at være
opmærksom, på at CAPM bygger på disse.
6
2.2 Sharpe-Lintner CAPM I Markowitz (1959) porteføljevalgsmodel vælger investorer en portefølje på tidspunkt
t-1, som giver et stokastisk afkast på tidspunkt t. Investorerne antages at være
risikoaverse, og når de vælger mellem porteføljer, tager de kun højde for deres
forventede afkast og variansen af dette over perioden. På denne måde vælger
investorerne kun mean-vaiance efficiente porteføljer, hvilket betyder, at porteføljerne
minimerer variansen af afkastet givet et bestemt forventet afkast og maksimerer det
forventede afkast givet en bestemt varians.
Figur 2.2.1 viser hvilke porteføljer, investorerne kan vælge i mellem.
Figur 2.2.1. Porteføljemuligheder.
Kilde: Egen konstruktion inspireret af Fama & French (2004).
7
E(R) og σ(R) er hhv. det forventede afkast og standardafvigelse på en portefølje.
Kurven abc viser den såkaldte minimum-varians rand, der viser de porteføljer, der
minimerer variansen for et givet forventet afkast, hvis det ikke er muligt at låne og
udlåne til den risikofri rente Rf. Det ses, at rationelle investorer altid vil vælge
porteføljer på linjestykket ba, da disse maksimerer det forventede afkast for en given
risiko. Porteføljer på dette linjestykke er mean-variance-efficiente (Fama & French,
2004).
Ved at tilføje muligheden for at låne og udlåne til den risikofri rente kan investorerne
nu danne porteføljer, der kombinerer investering i et risikofyldt aktiv med lån eller
udlån til den risikofri rente. Fx vil porteføljer, der kombinerer investering i porteføljen
g med lån eller udlån til den risikofri rente ligge på linjen, der går igennem Rf og g.
Porteføljen med 100% udlån til den risikofri rente ligger ved punktet Rf, mens 100%
investering i g ligger ved punktet g. I porteføljer på linjen til højre for g lånes der til den
risikofri rente for at finansiere yderligere investering i g. Det ses, at porteføljerne på
linjestykket (på nær Rf) ikke er mean-variance-efficiente, da der ligger mulige
porteføljer over linjen, der har højere forventet afkast givet et bestemt variansniveau.
De mean-variance-efficiente porteføljer er dem, der ligger på linjen, der går fra Rf
gennem tangentporteføljen T. For hver af disse porteføljer er det ikke muligt at finde
porteføljer med højere forventet afkast givet et en bestemt risiko. Da alle investorer, jf.
forudsætning 8, har samme forventninger til forventet afkast og risiko, ser de de
samme porteføljemuligheder, og de vil dermed alle kombinere investering i
tangentporteføljen T med lån og udlån til den risikofri rente (Ackert & Deaves, 2010;
Fama & French, 2004). Linjen fra Rf gennem T kaldes ”capital market line” (CML) (Elton
et al., 2003). Da alle investorer ejer den samme portefølje T med risikofyldte aktiver,
må denne være den værdivægtede markedsportefølje for risikofyldte aktiver. Hvert
risikofyldt aktivs vægt i markedsporteføljen, som fra nu af benævnes M, er den totale
markedsværdi af alle udestående enheder af aktivet divideret med den totale
markedsværdi af alle risikofyldte aktiver. (Fama & French, 2004).
En vigtig ting med hensyn til risiko er at skelne mellem et aktivs systematisk risiko og
ikke-systematisk risiko. Den ikke-systematiske risiko bliver diversificeret væk, når en
investor investerer i markedsporteføljen, og dermed har denne form for risiko ingen
8
effekt på det forventede afkast på et aktiv. Det eneste, der har betydning for det
forventede afkast på et aktiv, er dets systematiske risiko, som er et aktivs afkasts
sensitivitet til afkastet på markedsporteføljen. Målet for et aktivs systematiske risiko er
markedsbeta,
hvor er antallet af aktiver på markedet, er markedsbetaet for aktiv ,
er covariansen mellem afkastet på aktiv og afkastet på markedsporteføljen, og
er variansen af afkastet på markedsporteføljen (Ackert & Deaves, 2010; Fama
& French, 2004). Sharpe-Lintner CAPM er givet ved følgende ligning:
hvor er det forventede afkast på aktiv , er som tidligere nævnt den risikofri
rente, er det forventede afkast på markedsporteføljen, og er som nævnt
ovenfor markedsbetaet for aktiv . Det forventede afkast på ethvert aktiv er den
risikofri rente plus et risikopremium, som er det pågældende aktivs markedsbeta
ganget med premiummet pr. enhed markedsbeta, (Fama & French, 2004).
Den lineære sammenhæng mellem afkast og markedsbeta er fremstillet i figur 2.2.2
(Ackert & Deaves, 2010). Den afbildede linje kaldes security market line (SML). Som det
ses i figuren, har markedsporteføljen naturligvis en markedsbeta på én, og aktiver med
lavere og højere markedsbeta har hhv. lavere og højere forventet afkast end det på
markedsporteføljen (Ackert & Deaves, 2010).
9
Figur 2.2.2. Security Market Line.
Kilde: Egen konstruktion inspireret af Ackert & Deaves (2010).
CAPM kan omskrives simpelt på følgende måde:
Dette vil være formen, der bliver behandlet i denne afhandling.
10
3. Metode I dette kapitel vil det anvendte data samt de metoder, som benyttes til at behandle
data, blive gennemgået. I afsnit 3.1 gennemgås sammensætningen af og strukturen i
data. I afsnit 3.2 beskrives kort hvilke værktøjer, der er blevet brugt til
databehandlingen i denne afhandling. I afsnit 3.3 vil der blive redegjort for de simple
statistiske metoder, der bliver brugt til at beskrive data, samt forudsætningen om
normalfordelt population. I afsnit 3.4 vil der blive redegjort, for hvordan
tidsserieregression og en teststatistik af Gibbons et al. (1989) (herfra GRS) bliver brugt
til at teste CAPM, samt hvilke forudsætninger tidsserieregressionen bygger på.
3.1 Data Data, der danner grundlag for undersøgelserne i denne afhandling, vil være det samme
som i studierne af Fama & French (2006) og Castellani & Jahan-Parvar (2010) blot i en
opdateret version dvs. månedlige data fra juli 1926 til januar 2012 hentet fra Kenneth
R. Frenchs hjemmeside (2012). Desuden vil årlige data fra 1927 til 2011 blive benyttet i
dette kapitel til at argumentere for periodeinddelingen.
3.1.1 Porteføljesammensætning Der vil tages udgangspunkt i 6 porteføljer inddelt efter markedskapitalisering (size) og
BE/ME samt 8 faktorporteføljer. De 6 size-BE/ME-porteføljer bliver dannet i slutningen
af juni hvert år. Her deles aktierne først op i 2 grupper efter deres
markedskapitalisering, og dette gøres ved at rangordne aktierne efter deres
markedskapitalisering og dele dem op omkring medianen. Grupperne med lav og høj
markedskapitalisering kaldes hhv. ”small” og ”big”. Herefter inddeles alle aktierne i 3
grupper efter deres BE/ME, og dette gøres på samme vis ved at rangordne aktierne
efter BE/ME. Aktierne bliver nu inddelt ved 30’te og 70’te percentil. Grupperne med
lav, mellem og høj BE/ME benævnes hhv. ”growth”, ”neutral” og ”value”. De 6
porteføljer bliver nu dannet, ud fra hvilke grupper de hører til. Dvs. at der dannes
følgende porteføljer: Small Growth (SG), Small Neutral (SN), Small Value (SV), Big
11
Growth (BG), Big Neutral (BN) og Big Value (BV). Porteføljerne indeholder alle aktier fra
børserne NYSE, NASDAQ (efter 1972) og AMEX (efter 1962), hvortil der kunne skaffes
data for book equity og markedskapitalisering. Der bliver kun brugt aktier med positiv
book equity (Fama & French, 2006; Castellani & Jahan-Parvar, 2010; French, 2012).
Faktorporteføljerne vil blive beskrevet i det følgende. De 8 faktorporteføljer Small
Minus Big (SMB), Small Minus Big Growth (SMBG), Small Minus Big Neutral (SMBN),
Small Minus Big Value (SMBV), Value Minus Growth (VMG), Value Minus Growth Small
(VMGS) og Value Minus Growth Big (VMGB) og Value Minus Growth Small Minus Big
(VMGS-B) dannes ud fra følgende formler:
SMB er altså gennemsnittet af de månedlige afkast på de 3 porteføljer med lav
markedskapitalisering minus de gennemsnitlige månedlige afkast på de 3 porteføljer
med høj markedskapitalisering, SMBG er det månedlige afkast på porteføljen med lav
markedskapitalisering og lav BE/ME minus det månedlige afkast på porteføljen med
høj markedskapitalisering og lav BE/ME, SMBN er det månedlige afkast på porteføljen
med lav markedskapitalisering og neutral BE/ME minus det månedlige afkast på
porteføljen med høj markedskapitalisering og neutral BE/ME, SMBV er det månedlige
afkast på porteføljen med lav markedskapitalisering og høj BE/ME minus det
månedlige afkast på porteføljen med høj markedskapitalisering og høj BE/ME, VMG er
12
gennemsnittet af de månedlige afkast på de 2 porteføljer med høj BE/ME minus de
gennemsnitlige månedlige afkast på de 2 porteføljer med lav BE/ME, VMGS er det
månedlige afkast på porteføljen med lav markedskapitalisering og høj BE/ME minus
det månedlige afkast på porteføljen med lav markedskapitalisering og lav BE/ME,
VMGB er det månedlige afkast på porteføljen med høj markedskapitalisering og høj
BE/ME minus det månedlige afkast på porteføljen med høj markedskapitalisering og
lav BE/ME, og endeligt er VMGS-B VMGS minus VMGB.
SMB og VMG er mål for hhv. size-premiummet og value-premiummet, mens SMBG,
SMBN og SMBV er mål for size-premiummet for aktier med hhv. lav, neutral og høj
BE/ME, VMGS og VMGB er mål for value-premiummet for aktier med hhv. lav og høj
markedskapitalisering, og VMGS-B er forskellen mellem value-premiumerne for aktier
med hhv. lav og høj markedskapitalisering (Fama & French, 2006).
SMBG, SMBN og SMBV er ikke med i Fama & French (2006) og Castellani & Jahan-
Parvar (2010), men er konstrueret til denne afhandling, da de vil være anvendelige til
undersøgelsen af size-premiummet.
3.1.2 Periodeinddeling Som beskrevet i indledningen i kapitel 1 spekulerer Castellani & Jahan-Parvar (2010), i
at CAPM klarer sig bedre i ustabile perioder. CAPM kan som nævnt forklare value-
premiummet i perioderne 1926-1963 og 1987-2009. Disse perioder vurderes til at
være ustabile perioder, da de indeholder væsentlige begivenheder, der må antages at
bidrage til en høj grad af usikkerhed på markedet. For perioden 1926-1963 drejer det
sig om børskrakket i 1929 efterfulgt af ”The Great Depression”, anden verdenskrig,
Korea-krigen og begyndelsen af Vietnam-krigen. For perioden 1987-2009 er de
betydningsfulde begivenheder børskrakket i 1987, Irak-krigen og finanskrisen fra 2007-
2009. Den mellemliggende periode vurderes til at være forholdsvis mere rolig
(Castellani & Jahan-Parvar, 2010).
Castellani & Jahan-Parvars (2010) motivation for deres undersøgelser var, at se hvilken
effekt et opdateret datasæt indeholdende finanskriseårene 2007-2009 havde på Fama
& Frenchs (2006) resultater. Derfor er deres periodeinddeling rettet mod netop denne
13
undersøgelse. Derfor vil der i denne afhandling blive arbejdet med en
periodeinddeling, der vurderes at være egnet til at teste Castellani & Jahan-Parvars
(2010) spekulationer. Den ideelle periodeinddeling til dette formål vil være en
inddeling, hvor der både er turbulente perioder og rolige perioder. Dermed kan disse
perioder undersøges med henblik, på at finde ud af hvor stor indikation der er, på at
CAPM klarer sig bedre i urolige tider.
Figur 3.1.2.1 viser årlige afkast i procent på det amerikanske aktiemarked for perioden
1927-2011 bestående af alle aktier fra børserne NYSE, NASDAQ og AMEX (French,
2012). Grunden, til at 1926 og 2012 ikke er med, er, at der kun findes data for disse år
for hhv. juli til december og januar. De lodrette linjer viser hvilken periodeinddeling,
der er valgt. Det ses, at der i langt de fleste år er positive afkast, men at der også er et
betydeligt antal år med negative afkast. Særligt årene 1929-1932, 1937, 1973-1974,
2000-2002 og 2008 springer i øjnene.
I 1929 sker krakket på Wall Street, som bliver efterfulgt af ”The Great Depression”, og
dette resulterer i markante negative afkast i samtlige år fra 1929 til 1932. Stadig under
”The Great Depression” er der et markant negativt afkast i år 1937 som følge af
recession i den amerikanske økonomi. I 1973 og 1974 er der store negative afkast som
følge af oliekrisen. Som følge af at dot-com-boblen brister og terrorangrebene på
World Trade Center er der negative afkast i alle årene fra 2000 til 2002. Finanskrisen
forårsager et stort negativt afkast i 2008 (Wikipedia, 2012)1. Negative årlige afkast er
altså indikator for finansiel og politisk turbulens. Dermed virker det oplagt at lade år
med negative afkast være et afgørende kriterium for periodeinddelingen. Et andet
kriterium, der er oplagt, er, at de valgte perioder helst skal være så lange som muligt
for at få så mange månedlige afkast med som muligt, hvilket giver de statistiske test
mere kraft (Campbell et al., 1997).
Den første periode skal naturligvis starte fra første tidspunkt, der er data tilgængelig,
dvs. fra juli 1926, og det virker naturligt at lade denne indeholde krakket på Wall
Street, ”The Great Depression” og 1937. Det ses, at der i de fire sidste år af Anden
Verdenskrig (1942-1945) er positive årlige afkast. Til gengæld vurderes det, at der
1 Wikipedia vurderes til at være en pålidelig kilde i dette tilfælde.
14
Figur 3.1.2.1 Årlige afkast på det amerikanske aktiemarked i procent, 1927-2011.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012). Anm.: De lodrette linjer indikerer den valgte periodeinddeling for afhandlingen.
15
under krigen er høj politisk turbulens, og derfor tages disse år også med i den første
periode. Den første periode bliver dermed juli 1926 til december 1945, og dette må
regnes for en meget turbulent periode. Imellem Anden Verdenskrig og den næste
store krise, oliekrisen, er der flere år med moderate negative afkast (1946, 1957, 1962,
1966 og 1969), som endeligt kulminerer med kriseårene 1973 og 1974, hvor der er
store negative afkast. Den anden periode er altså fra januar 1946 til december 1974.
Samlet set må perioden regnes for at være turbulent dog i mindre grad end den første.
I de efterfølgende år til og med 1999 er der for det meste positive afkast, og i de
enkelte år med negative afkast (1977, 1981, 1990 og 1994) er der tale om meget små
negative afkast. Det virker, til at denne periode er meget stabil, og den vil derfor stå
som et modstykke til den meget turbulente første periode. Den tredje periode er
dermed fra januar 1975 til december 1999. Den fjerde periode vælges, så den
indeholder de resterende år. Dvs. den bliver fra januar 2000 til januar 2012. Denne
periode indeholder både bristningen af dot-com-boblen, terrorangrebene på World
Trade Center og finanskrisen, og dermed må denne periode antages at være af
turbulent karakter. En rangordning af perioderne fra mest turbulent til mindst
turbulent vurderes at være første, fjerde, anden og tredje. Hvis der er hold i Castellani
& Jahan-Parvars (2010) spekulationer, bør testene i denne afhandling vise, at CAPM
klarer sig bedre des mere turbulent den pågældende periode er. For en god ordens
skyld vil hele den tilgængelige periode fra juli 1926 til januar 2012 også blive
undersøgt, ligesom det er tilfældet i Fama & French (2006) og Castellani & Jahan-
Parvar (2010).
3.2 Databehandlingsværktøjer Til databehandlingen i denne afhandling er der i forbindelse med de simple statistiske
tests og tidsserieregressionerne brugt programmet EViews 6: Student Version.
Udregningerne af GRS-statistikkerne er udført manuelt i Microsoft Excel 2007 med
dataoutputtet fra EViews. Årsagen, til at netop disse to programmer er blevet
benyttet, er at forfatteren er familiær med disse.
16
3.3 Simple statistiske metoder Til at beskrive size- og value-premiumsne benyttes der simple statistiske metoder. Der
vil blive redegjort for middelværdi, varians/standardafvigelse, -statistik og -værdi.
Disse metoder vil blive beskrevet senere i dette afsnit. Desuden vil der blive redegjort
for forudsætningen om normalfordelt population. Først redegøres der for notationen.
er et size- eller value-premium fra en af de 5 faktorporteføljer eller afkastet på
en af de 6 size-BE/ME-porteføljer minus den risikofri rente (kaldes fra nu af det
overskydende afkast) for måned , hvor viser hvilken portefølje, der er tale om. Som
proxy for den risikofri rente bruges afkastet på den 1-månedlige amerikanske
statsobligation2. er det værdivægtede afkast på markedsporteføljen
fratrukket den risikofri rente (kaldes fra nu af markedspremiummet) for måned , hvor
markedsporteføljen indeholder alle aktier fra NYSE, NASDAQ (efter 1972) og AMEX
(efter 1962) (Fama & French, 2006; Castellani & Jahan-Parvar, 2010).
3.3.1 Middelværdi For at beregne de gennemsnitlige size-premiums, value-premiums og overskydende
afkast for de forskellige perioder skal følgende formel bruges:
hvor enten er det gennemsnitlige size-premium, value-premium eller
overskydende afkast for en portefølje , er antallet af måneder i den pågældende
periode, og benævner de enkelte måneder. Det gennemsnitlige markedspremium
beregnes ligeledes:
hvor er det gennemsnitlige markedspremium (Keller, 2009).
2 Frit oversat fra ”the one-month Treasury bill rate”.
17
3.3.2 Varians og standardafvigelse For at beregne variansen af de forskellige size-premiums, value-premiums og
overskydende afkast for de forskellige perioder skal der gøres brug af følgende formel:
hvor enten er variansen af size-premiummet, value-premiummet eller det
overskydende afkast for en portefølje . Standardafvigelsen af de forskellige size-
premiums, value-premiums og overskydende afkast for en portefølje er givet ved
denne formel:
Variansen og standardafvigelsen for markedspremiummet udregnes på samme
måde:
(Keller, 2009).
3.3.3 -statistik og -værdi I denne afhandling vil der blive testet, om de gennemsnitlige size-premiums, value-
premiums og overskydende afkast er signifikant forskellige fra nul. Til dette formål
udføres følgende to-sidede hypotesetest:
hvor er nul-hypotesen for portefølje , at populationsmiddelværdien for size-
premiums, value-premiums eller overskydende afkast for portefølje er lig med nul, og
18
er alternativhypotesen for portefølje , at populationsmiddelværdien for portefølje
er forskellig fra nul. Til denne hypotesetest skal der, hvis populationen for portefølje
er normalfordelt3, bruges en -statistik, der er givet ved følgende formel:
hvor er -statistikken for portefølje . Denne teststatistik er -fordelt med
frihedsgrader (Keller, 2009).
-værdien for testen på portefølje er sandsynligheden for at observere en -statistik,
der er mindst lige så ekstrem som den beregnede for portefølje , givet at nul-
hypotesen for portefølje er sand.
For at finde ud af om markedspremiummet er signifikant forskellig fra nul, er
testproceduren den samme. Følgende hypotesetest foretages:
hvor er nul-hypotesen, at populationsmiddelværdien for markedspremiummet er
lig med nul, og er alternativhypotesen, at populationsmiddelværdien er forskellig
fra nul. Der skal også her bruges en -statistik:
hvor er -statistikken for markedspremiummet.
-værdien for testen er sandsynligheden for at observere en -statistik, der er mindst
lige så ekstrem som den beregnede, givet at nul-hypotesen er sand (Keller, 2009).
3 Denne forudsætning omtales nærmere i afsnit 3.3.4.
19
3.3.4 Forudsætning om normalfordelt population Forudsætningen, om at populationen skal være normalfordelt, kan omgås, hvis blot
stikprøven er tilstrækkelig stor. Dette fremgår af den centrale grænseværdisætning,
der siger, at middelværdien af en tilfældigt udvalgt stikprøve fra enhver population er
approksimativt normalfordelt, når stikprøvestørrelsen er tilstrækkeligt stor. Jo større
stikprøven er, des tættere vil middelværdien være på at være normalfordelt (Keller,
2009).
Det skal nævnes, at tilfældigheden i udvælgelsen af stikprøven, når man har at gøre
med tidsseriedata, tager sig ud på følgende måde: En sekvens af stokastiske variable
indekseret efter tid kaldes en stokastisk proces eller en tidsserieproces. Når et
tidsseriedatasæt, fx en serie af månedlige overskydende afkast, bliver udvalgt, opnås
ét muligt udfald af denne proces. Det er kun i teorien muligt at gå tilbage i tiden og
starte processen forfra og dermed opnå et andet udfald af den stokastiske proces for
samme periode. Alle de mulige udfald af den stokastiske proces kan betragtes som
populationen, og dermed kan et enkelt udfald betragtes som tilfældigt (Wooldridge,
2009).
Hvor stor stikprøven skal være for at være tilstrækkelig stor, afhænger af hvor langt
væk populationen er fra at være normalfordelt (Keller, 2009). I Andersen & Jensen
(2009) foreslås tommelfingerreglen, at stikprøven skal være større end 100 gange
kvadratet på skævhedsestimatet (Andersen & Jensen, 2009). EViews beregner
skævheden for size-, value-premiums og overskydende afkast hhv.
markedspremiummet på følgende måde:
hvor og er hhv. estimatet af skævheden af populationsfordelingen for size-,
value-premiummet eller det overskydende afkast for portefølje og estimatet af
skævheden af populationsfordelingen for markedspremiummet, og og
20
er hhv. et biased estimat af standardafvigelsen for size-, value-
premiummet eller det overskydende afkast for portefølje og et biased estimat af
standardafvigelsen for markedspremiummet (EViews 6 User’s Guide I, 2007). Værd at
nævne er, at det er blevet påvist, at afkast på aktieafkast ikke følger en
normalfordeling (Campbell, 1997). Derfor må der i denne afhandling sættes lid, til at
stikprøvestørrelserne er tilstrækkeligt store.
Tabel 3.3.4.1 viser de beregnede værdier for tommelfingerreglen. Det ses, at det kun
er i perioden juli 1926 til december 1945, at der er tommelfingerregelsværdier, der er
over den pågældende stikprøvestørrelse på 234. For de 6 size-BE/ME-porteføljer er der
overskridende værdier for 2 porteføljer, SG og SV, mens der for de 8 faktorporteføljer
er overskridende værdier for 6 porteføljer, SMB, SMBG, SMBN, SMBV, VMG og VMGB.
For disse i alt 8 porteføljer er der dermed tegn, på at stikprøven ikke er stor nok, til at
det kan antages, at middelværdien er tæt på at være normalfordelt. Dermed må der
sættes spørgsmålstegn ved pålideligheden af de beregnede -værdier for disse
porteføljer, og konklusionerne på hypotesetestene har dermed en højere grad af
usikkerhed. Dette må der nødvendigvis tages forbehold for, når resultaterne skal
analyseres. For de 4 andre perioder er der ingen værdier, der er over de respektive
stikprøvestørrelser, og derfor betragtes -værdierne og konklusionerne på
hypotesetestene som pålidelige.
21
Tabel 3.3.4.1 Værdier for tommelfingerreglen.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012). Anm.: Værdierne med fed skrift er værdier over stikprøvestørrelsen.
3.4 Tidsserieregression og GRS-teststatistikken I dette afsnit vil der blive gjort rede, for hvordan en række tidsserieregressioner kan
blive brugt, til at teste om CAPM kan forklare size- og value-premiumerne og de
overskydende afkast. Til sidst vil der blive redegjort for forudsætningerne for
tidsserieregressionerne.
22
3.4.1 Tidsserieregression Jensen (1968) var den første til at vise, at Sharpe-Lintner-versionen af CAPM kan testes
ved hjælp af en tidsserieregression. Det vises i afsnit 2.2, at ifølge CAPM bliver den
forventede værdi af et aktivs overskydende afkast fuldstændig forklaret af dets
forventede risikopremium. Dette betyder, at i tidsserieregressionen af på
er skæringsparameteren , kaldet ”Jensen’s alpha”, nul for hvert aktiv . er
fejlledet for aktiv for måned (Fama & French, 2004; Wooldridge, 2009).
De estimerede parametre i tidsserieregressionerne vil blive udregnet med ordinary
least squares-metoden (OLS) (Wooldridge, 2009). I denne afhandling vil der for hver
periode og hver regression blive opgivet de estimerede skæringsparametre og
hældningsparametre samt de respektive -statistikker og , -værdier og
justeret forklaringsgrad . -statistikkerne vil blive brugt til at teste om de forskellige
parametre er forskellige fra nul. Ligesom i afsnit 3.2.3 vil der blive udført to-sidede
hypotesetests:
hvor er nul-hypotesen for portefølje , at skæringsparameteren for portefølje
er lig med nul, og er alternativhypotesen for portefølje , at skæringsparameteren
for portefølje er forskellig fra nul. Til denne hypotesetest skal der bruges en -
statistik, der bliver beregnet på følgende måde:
hvor er den estimerede standardafvigelse af den estimerede
skæringsparameter for portefølje . Denne teststatistik følger en -fordeling med
frihedsgrader, hvor er antallet af hældningsparametre. Dvs. for
regressionerne i denne afhandling.
23
-værdien for testen på portefølje er sandsynligheden for at observere en -statistik,
der er mindst lige så ekstrem som den beregnede for portefølje givet at nul-
hypotesen for portefølje er sand.
For hældningsparametrene udføres samme to-sidede hypotesetests:
hvor er nul-hypotesen for portefølje , at skæringsparameteren for portefølje
er lig med nul, og er alternativhypotesen for portefølje , at skæringsparameteren
for portefølje er forskellig fra nul. Samme -statistik benyttes:
hvor er den estimerede standardafvigelse af den estimerede
hældningsparameter for portefølje . Teststatistikken følger selvfølgelig også en -
fordeling med frihedsgrader.
-værdien på portefølje findes som sandsynligheden for at observere en -statistik,
der er mindst lige så ekstrem som den beregnede for portefølje , givet at nul-
hypotesen for portefølje er sand.
Den justerede forklaringsgrad for portefølje findes ved følgende formel:
hvor er den justerede forklaringsgrad for portefølje , og og er hhv. ”sum
of squared residuals” og ”total sum of squares” for portefølje givet ved formlerne:
hvor er residualen for portefølje for måned (Wooldridge, 2009).
24
Den justerede forklaringsgrad vil ikke blive eksplicit inddraget i resultatbehandlingen i
denne afhandling, men da det er standard at opgive et mål for forklaringsgraden i
forbindelse med regressioner, vil den derfor blive opgivet. Som alternativ kunne den
ikke-justerede forklaringsgrad være opgivet, men siden både Fama & French (2006) og
Castellani & Jahan-Parvar opgiver den justerede version, vurderes det naturligt at
fortsætte denne tendens. Både den justerede og den ikke-justerede forklaringsgrad er
biased estimatore for populationsforklaringsgraden, og det er ikke umiddelbart muligt
at fastslå hvilken, der er den bedste estimator. Forskellen mellem de to er, at den
justerede forklaringsgrad straffer tilføjelsen af flere forklarende variable til
regressionsmodellen, hvilket betyder, at den justerede forklaringsgrad både kan stige
og falde ved tilføjelsen af nye variable, hvorimod den ikke-justerede forklaringsgrad
aldrig kan falde og næsten altid vil stige ved tilføjelsen af flere forklarende variable
(Wooldridge, 2009).
3.4.2 GRS-teststatistikken I den tidlige litteratur er der blevet benyttet en række af forskellige metoder til at teste
om alle skæringsparametrene fra tidsserieregressionerne for hver portefølje er lig med
nul. Sidenhen introducerer Gibbons et al. (1989) en -teststatistik, der bliver regnet for
den bedst egnede til formålet. GRS-statistikken bruges, til at teste om
skæringsparametrene for hver portefølje er fælles lig med nul. I denne afhandling skal
GRS-statistikken bruges, til at teste om skæringsparametrene for de 6 size-BE/ME-
porteføljer er fælles lig med nul (Fama & French, 2004; Castellani & Jahan-Parvar,
2010). Dette implicerer følgende multiple hypotesetest:
hvor er nul-hypotesen, at samtlige porteføljer har skæringsparametre, der er lig
med nul, og er alternativhypotesen, at mindst et af skæringsparametrene er
forskellig fra nul. GRS-statistikken beregnes på følgende måde:
25
hvor er en vektor af de estimerede skæringsparametre:
og er et unbiased estimat på residualcovariansmatrixen (Campbell et al., 1997;
Castellani & Jahan-Parvar). Et sådant estimat kan findes ved følgende formel:
hvor er en vektor af residualerne for måned for de porteføljer:
Dvs., at også kan skrives således:
(Campbell et al., 1997; Wooldridge, 2009). GRS-statistikken følger en -fordeling med
frihedsgrader til tælleren og frihedsgrader til nævneren. -værdien for
testen er sandsynligheden for at observere en GRS-statistik, der er mindst lige så høj
som den beregnede, givet at nul-hypotesen er sand (Wooldridge, 2009; Castellani &
Jahan-Parvar, 2010).
Til alle hypotesetestene i denne afhandling, både dem beskrevet i dette afsnit og i
afsnit 3.3.3, vil der blive taget udgangspunkt i det klassiske signifikansniveau på 0,05.
Det vil sige, at hvis en -værdi er under 0,05, kan den pågældende nul-hypotese
forkastes, og hvis -værdien er over 0,05, kan nul-hypotesen ikke forkastes. Dog vil der
26
også blive taget højde for størrelsen af -værdierne i det hele taget, da det er klart, at
en -værdi marginalt over 0,05 vil indebære, at konklusionen om ikke at forkaste
nulhypotesen er svagere, end hvis -værdien var tæt på 1, og at en -værdi marginalt
under 0,05 medfører, at konklusionen om at forkaste nulhypotesen er svagere, end
hvis -værdien er tæt på 0 (Wooldridge, 2009).
3.4.3 Forudsætninger for tidsserieregressionen I dette afsnit vil eventuelle komplikationer med hensyn til tidsserieregressionerne blive
belyst. Tidsserieregressionerne kræver, at de 6 såkaldte classical linear model-
forudsætninger (CLM) er overholdt, for at pålidelige resultater kan fremkomme. I det
følgende vil disse forudsætninger blive redegjort for. De første 5 er
tidsserieversionerne af Gauss-Markov-forudsætningerne, mens den sidste er en ekstra.
Forudsætning 1A: Linearitet i parametrene
Den stokastiske proces følger den lineære model
hvor er sekvensen af fejlled. er den ’te forklarende variabel,
er den forklarede variabel, benævner tidspunktet for observationen, er antallet af
observeringstidspunkter, og er antallet af forklarende variable. Forudsætningen siger
altså, at der skal være en lineær sammenhæng mellem de forklarende og den
forklarede variabel. I denne afhandling er der i regressionerne kun 1 forklarende
variabel, markedspremiummet, og den forklarede variabel er enten et size-, value-
premium eller et overskydende afkast.
Forudsætning 2A: Ingen perfekt collinearitet.
I stikprøven, og dermed i den underliggende tidsserieproces, må ingen af de
forklarende variable være konstante eller en perfekt lineær kombination af de andre
forklarende variable.
Forudsætning 3A: Betinget forventet værdi på nul
27
For hvert er den forventede værdi af fejlledet givet de forklarende variable for alle
tidspunkter nul. Skrevet matematisk:
hvor benævner alle de forklarende variable for alle tidspunkter. Denne forudsætning
implicerer, at fejlledet på tidspunkt er ukorreleret med hver af de forklarende
variable på hvert tidspunkt.
Forudsætning 4A: Homoskedasticitet
Betinget på er variansen af den samme for alle :
hvor er variansen af . Hvis denne forudsætning ikke er overholdt, siges fejlledene
at være heteroskedastiske.
Forudsætning 5A: Ingen seriel korrelation (autokorrelation)
Betinget på er fejlledene på to forskellige tidspunkter ukorrelerede:
hvor benævner et andet tidspunkt end .
Forudsætning 6A: Normalitet
Fejlledene er uafhængige af og er uafhængige og identisk fordelt (IID) som
(normalfordelt med en middelværdi på nul og varians på ).
Under forudsætning 1A, 2A og 3A er OLS-estimatorene unbiased:
Under forudsætning 1A til 6A er OLS-estimatorne normalfordelte betinget på , og
under den pågældende nul-hypotese er hver -statistik -fordelt og hver -statistik -
fordelt (Wooldridge, 2009).
28
Det er muligt med forskellige metoder, at teste om forudsætningerne er overholdt
samt at korrigere for eventuelle forudsætningsbrud. Metoderne indbefatter fx Durbin-
Watson-test (Durbin & Watson, 1950) og Breusch-Godfrey-test (Breusch, 1978;
Godfrey, 1978) for seriel korrelation, Breusch-Pagan-test for heteroskedasticitet
(Breusch & Pagan, 1979) og Jarque-Bera-test for normalitet (Jarque & Bera, 1980),
samt Newey-West seriel korrelations- og heteroskedasticitetsrobuste estimerede
standardafvigelser (Newey & West, 1987) og White heteroskedasticitetsrobuste
estimerede standardafvigelser (White, 1980) til hhv. seriel korrelations- og
heteroskedastictetsrobust statistisk inferens og heteroskedasticitetsrobust statistisk
inferens (Verbeek, 2004; Wooldridge, 2009).
Hverken Fama & French (2006) eller Castellani & Jahan-Parvar (2010) gør noget forsøg,
på at teste om disse forudsætninger er overholdt. Dermed laver de heller ingen
korrektioner for eventuelle brud på forudsætningerne.
De 6 forudsætninger kan i visse tilfælde omgås. Frem for unbiased OLS-estimatore kan
der opnås konsistente OLS-estimatore samt asymptotisk gyldige -statistikker og -
statistikker, hvis 5 forudsætninger er opfyldt.
Forudsætning 1B: Lineæritet og svag afhængighed
Modellen er præcis som i forudsætning 1A, men yderligere forudsættes det, at den
stokastiske proces er stationær og svagt afhængig.
At den er stationær, betyder, at sandsynlighedsfordelingen for hver variabel er stabil
over tid. At den er svagt afhængig, vil sige, at det for hver variabel gælder, at den i
tidspunkt er næsten uafhængig af variablen i tidspunkt , når går mod
uendelig.
Forudsætning 2B: Ingen perfekt collinearitet
Samme som forudsætning 2A.
Forudsætning 3B: Betinget forventet værdi på nul
De forklarende variable er samtidigt exogene, hvilket skrives
matematisk:
29
Forudsætning 4B: Homoskedasticitet
Fejlledene er samtidigt homoskedastiske, hvilket skrives matematisk:
Forudsætning 5B: Ingen seriel korrelation
For alle gælder det at .
Under forudsætning 1B, 2B og 3B er OLS-estimatorene konsistente:
Under forudsætning 1B til 5B er OLS-estimatorene asymptotisk normalfordelte, og de
estimerede standardafvigelser, -statistikker og -statistikker er asymptotisk gyldige.
Det vil sige, den statistiske inferens bliver mere pålidelig, jo større stikprøven er
(Wooldridge, 2009).
Test af, om forudsætning 1A til 6A og 1B til 5B er overholdt, er ikke inden for
rammerne af denne afhandling. Da Fama & French (2006) og Castellani & Jahan-Parvar
(2010) laver statistisk inferens uden at omtale forudsætningerne, antages det, at OLS-
estimatorene samt teststatistikkerne i denne afhandling er pålidelige.
30
4. Resultater I dette kapitel vil resultaterne af databehandlingen blive fremstillet og analyseret. I
afsnit 4.1 vil resultaterne af de simple statistiske tests blive fremlagt og analyseret. I
afsnit 4.2 vil resultaterne fra tidsserieregressionerne blive fremstillet og analyseret. I
afsnit 4.3 vil resultaterne af analysen blive sammenfattet.
4.1 Resultaterne af de simple statistiske tests I dette afsnit vil resultaterne af de simple statistiske tests blive fremlagt i tabeller for
hele perioden og hver af de 4 delperioder. Herefter vil resultaterne blive analyseret
med henblik på at finde ud af, om der har været size- og value-premiums i perioderne.
Selvom det ikke umiddelbart er formålet med denne afhandling, vil de gennemsnitlige
månedlige afkast og de gennemsnitlige månedlige overskydende afkast blive
behandlet, da det vurderes, at disse er med til at give et generelt overblik over
perioderne. Til sidst vil resultaterne af analysen blive opsummeret.
4.1.1 Analyse af resultaterne Tabel 4.1.1.1 viser resultaterne af testene for hele perioden juli 1926 til januar 2012.
Tabel 4.1.1.1 Resultaterne af de simple statistiske tests.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
31
Middel og S. A. er hhv. gennemsnittet og standardafvigelsen af enten det månedlige
markedspremium eller et månedligt overskydende afkast, size-premium eller value-
premium i procent.
Det ses, at det gennemsnitlige månedlige markedspremium har været 0,62, og med en
-værdi på 0,0003 kan nul-hypotesen, om at det månedlige markedspremium er
forskelligt fra nul, forkastes ved et signifikansniveau på 0,05. -værdien er tilmed så
lav, at dette må betragtes som en meget sikker konklusion. Alle de 6 size-BE/ME-
porteføljer har positive overskydende afkast, og nulhypotesen kan forkastes for alle 6
porteføljer, da samtlige -værdier er under 0,05, og ligeledes er -værdierne meget
lave, hvilket gør de enkelte konklusioner, om at de månedlige overskydende afkast er
forskellige fra nul meget sikre. Ved SG-porteføljen er der dog en lidt højere -værdi,
0,0042, men den er stadig meget lille, og konklusionen er stadig meget sikker.
SMB-porteføljen viser, at det gennemsnitlige månedlige size-premium har været 0,24,
og at dette med en -værdi på 0,0186 er signifikant forskelligt fra nul. Når der ses på
det gennemsnitlige månedlige size-premium for porteføljer med hhv. lav, neutral og
høj BE/ME (hhv. SMBG, SMBN og SMBV), ses det, at size-premiummet for porteføljer
med lav BE/ME kun har været 0,10 og med en -værdi på 0,4625 ikke er signifikant
forskellig fra nul. Dette er samtidig en ret høj -værdi, så det betragtes som en meget
sikker konklusion. Til gengæld findes der positive size-premiums, der er signifikant
forskellige fra nul ved porteføljer med neutral og høj BE/ME. Size-premiummet ser
dermed ud til at være til stede for den fulde periode og koncentreret i porteføljer, der
har neutral og høj BE/ME.
VMG-porteføljen har haft et gennemsnitligt månedligt value-premium på 0,38, og
dette er signifikant forskelligt fra nul og en meget sikker konklusion grundet en meget
lav -værdi på 0,0007. Det gennemsnitlige månedlige value-premium for porteføljer
med lav og høj markedskapitalisering (hhv. VMGS og VMGB) er hhv. 0,48 og 0,27, og er
begge signifikant forskellige fra nul. Dette er en meget sikker konklusion for VMGS,
mens den er knap så sikker for VMGB, da -værdien her kun er en smule under 0,05.
Forskellen mellem VMGS og VMGB, VMGS-B, er i gennemsnit 0,21 og er signifikant
forskellig fra nul. Dog er det med en -værdi på 0,0349 ikke en meget sikker
32
konklusion. Alt i alt tyder det dog på, at der er et value-premium, og at dette
fortrinsvist er koncentreret i porteføljer, der indeholder aktier med lav
markedskapitalisering.
Tabel 4.1.1.2 viser testresultaterne for den første delperiode juli 1926 til december
1945.
Tabel 4.1.1.2 Resultaterne af de simple statistiske tests.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
Det gennemsnitlige månedlige markedspremium har i denne delperiode været 0,78,
men er med en -værdi på 0,1440, der er et stykke over signifikansniveauet på 0,05,
ikke signifikant forskelligt fra nul. Samtlige overskydende afkast for de 6 size-BE/ME-
porteføljer er positive, men de er også alle ikke signifikant forskellige fra nul. Dog ligger
-værdierne for SG-, SN- og SV-porteføljerne på hhv. 0,0852, 0,0593 og 0,0661 og er
dermed ikke meget over 0,05. Dermed er konklusionerne for disse porteføljer noget
usikre.
SMB har givet et gennemsnitligt månedligt size-premium på 0,54, men med en -værdi
på 0,0693 er premiummet ikke signifikant forskelligt fra nul. -værdien er dog ikke så
langt over de 0,05, og dermed er der trods alt en smule, der peger på tilstedeværelsen
af et size-premium. Når der kigges på size-premiummet fordelt på growth-, neutral- og
value-porteføljerne, ses det, at de gennemsnitlige månedlige premiums er omtrentligt
lige store, hhv. 0,50, 0,62 og 0,51, men det er kun size-premiummet i neutral-
porteføljen, der er signifikant forskelligt fra nul, og med en -værdi på 0,0441 kun lige
under signifikansniveauet er dette en noget usikker konklusion. Der er altså for denne
33
periode kun svag indikation på et size-premium, og dette er fortrinsvist koncentreret i
porteføljer med neutral BE/ME.
VMG viser et gennemsnitligt månedligt value-premium på 0,44, men dette er med en
temmelig høj -værdi, 0,2234, ikke signifikant forskellig fra nul, og dette er en rimelig
sikker konklusion. VMGS og VMGB giver gennemsnitlige månedlige value-premiums,
der er næsten ens, hhv. 0,44 og 0,45, men heller ikke disse er signifikant forskellige fra
nul, og dette er også rimeligt sikre konklusioner. Forskellen mellem VMGS og VMGB er
selvsagt lille, 0,01, og medfører en ekstremt høj -værdi på 0,9686 og en meget sikker
konklusion, om at forskellen ikke er signifikant forskellig fra nul. I denne periode er der
dermed ikke belæg nok for at konkludere, at der er et value-premium.
Som nævnt i afsnit 3.3.4 kan der være problemer med en del af -værdiernes
troværdighed for denne periode, pga. at stikprøverne ikke er tilstrækkeligt store, til at
det kan antages, at middelværdien i tilstrækkelig grad følger en normalfordeling.
Dermed er der for denne periode et ekstra element af usikkerhed på de konklusioner,
der fremkommer af de berørte -værdier.
Tabel 4.1.1.3 indeholder resultaterne af testene for den anden delperiode januar 1946
til december 1974.
Tabel 4.1.1.3 Resultaterne af de simple statistiske tests.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
I denne periode har gennemsnittet af det månedlige markedspremium været 0,52, og
dette er med en -værdi på 0,0148 signifikant forskelligt fra nul. Dette er en rimelig
sikker konklusion. Der har været positive gennemsnitlige månedlige overskydende
34
afkast for alle de 6 size-BE/ME-porteføljer, og disse er alle på nær for SG-porteføljen
signifikant forskellige fra nul. Det er en bemærkelsesværdig høj -værdi for SG-
porteføljen og dermed en rimelig sikker konklusion.
SMB viser et negativt gennemsnitligt månedligt size-premium på -0,04, og dette er
med en høj -værdi på 0,7402 ikke signifikant forskelligt fra nul, hvilket kan
konkluderes med stor sikkerhed. For SMBG, SMBN og SMBV er der også
gennemsnitlige månedlige size-premiums, der ligger tæt omkring nul, og med høje -
værdier er de ikke i nærheden af at være signifikant forskellige fra nul. Det må dermed
konstateres, at det ikke ser ud til, at der er et size-premium for denne periode.
VMG-porteføljen har givet et gennemsnitligt månedligt value-premium på 0,38, og
dette er signifikant forskelligt fra nul, hvilket med en -værdi på 0,0018 er en meget
sikker konklusion. VMGS og VMGB viser gennemsnitlige månedlige value-premiums på
hhv. 0,45 og 0,31, og disse er begge signifikant forskellige fra nul. Med -værdier på
hhv. 0,0003 og 0,0371 er konklusionen meget sikker ved VMGS-porteføljen, mens den
er noget svagere ved VMGB-porteføljen. VMGS-B viser en forskel på 0,15 mellem de
gennemsnitlige månedlige valuepremiums for de 2 porteføljer, men denne er ikke
signifikant forskellig fra nul, da -værdien er relativt høj, 0,2419, hvilket dermed er en
rimelig sikker konklusion. Der er altså stærk indikation på et value-premium i denne
periode, og der er ikke nok belæg for at konkludere, at dette premium er koncentreret
i porteføljer med aktier med lav markedskapitalisering frem for porteføljer med aktier
med høj markedskapitalisering.
Tabel 4.1.1.4 viser testresultaterne for den tredje delperiode januar 1975 til december
1999.
35
Tabel 4.1.1.4 Resultaterne af de simple statistiske tests.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
Det gennemsnitlige månedlige markedspremium for denne periode har været 0,87 og
er signifikant forskelligt fra nul, hvilket er en meget sikker konklusion, da -værdien er
0,0008. Det ses, at der er positive overskydende afkast på samtlige size-BE/ME-
porteføljer, der alle er signifikant forskellige fra nul grundet meget lave -værdier. Kun
SG-porteføljen har en -værdi, 0,0203, der ikke medfører en yderst sikker konklusion,
og den er endda stadig forholdsvis lav.
SMB har givet et gennemsnitligt månedligt size-premium på 0,23, men dette er med en
-værdi på 0,1444 ikke signifikant forskelligt fra nul, og dette er en rimelig sikker
konklusion. Når der ses på SMBG, SMBN og SMBV, er der hhv. 0,02, 0,33 og 0,35
gennemsnitlige månedlige size-premiums og -værdier på hhv. 0,9118, 0,0400 og
0,0237. Premiummet for SMBG er dermed ikke signifikant forskelligt fra nul, hvilket
kan konkluderes med stor sikkerhed, men for både SMBN og SMBV er premiummet
signifikant forskelligt fra nul, hvilket dog ikke er meget sikre konklusioner. Der er altså
indikation, på at der i denne periode, er et size-premium for porteføljer, der
indeholder aktier med neutral og høj BE/ME.
VMG viser, at det gennemsnitlige månedlige value-premium har været 0,26, men at
det med en -værdi på 0,0960 ikke er signifikant forskelligt fra nul. Dette er en lidt
usikker konklusion. Ses der på VMGS- og VMGB-porteføljerne, giver de gennemsnitlige
månedlige value-premiums på hhv. 0,42 og 0,10 med tilhørende -værdier på hhv.
0,0181 og 0,5455. Premiummet for VMGS er dermed signifikant forskelligt fra nul, som
er en rimelig sikker konklusion, mens det for VMGB ikke er signifikant forskelligt fra
36
nul, og dette er en meget sikker konklusion. Det ses også, at den gennemsnitlige
forskel mellem VMGS og VMGB på 0,32 med en -værdi på 0,0282 er signifikant
forskellig fra nul, hvilket dog ikke er en meget sikker konklusion. Det tyder dermed, på
at der er et value-premium for porteføljer indeholdende aktier med lav
markedskapitalisering, mens dette ikke kan konkluderes for porteføljer, der indeholder
aktier med høj markedskapitalisering.
Tabel 4.1.1.5 viser resultaterne af testene for de fjerde og sidste delperiode januar
2000 til januar 2012.
Tabel 4.1.1.5 Resultaterne af de simple statistiske tests.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
For denne periode er det gennemsnitlige månedlige markedspremium 0,09, hvilket
ikke er signifikant forskelligt fra nul. Dette er med en meget høj -værdi på 0,8199 en
meget sikker konklusion. Alle gennemsnitlige månedlige overskydende afkast på de 6
size-BE/ME-porteføljer er positive på nær for BG, og de er alle ikke signifikant
forskellige fra nul. Dette er meget sikre konklusioner for SG, BG, BN og BV pga. meget
høje -værdier, mens det er en smule usikre konklusioner for SN og SV, da de kun har
-værdier en smule over signifikansniveauet på 0,05.
Det ses på SMB, at det gennemsnitlige månedlige size-premium har været 0,47, men at
dette med en -værdi på 0,1355 ikke er signifikant forskelligt fra nul, og dette er en
rimelig sikker konklusion. De gennemsnitlige månedlige size-premiums for SMBG,
SMBN og SMBV er hhv. 0,22, 0,52 og 0,67, og med -værdier på hhv. 0,5763, 0,0726 og
0,0332 er det kun for SMBV, at dette er signifikant forskelligt fra nul. For SMBN er -
37
værdien dog ikke ret meget over 0,05, og dermed er det en noget usikker konklusion.
For SMBG er det en meget sikker konklusion. Der er altså tegn, på at der kun er et size-
premium for porteføljer med høj BE/ME. Dog er der også en lille smule evidens for et
size-premium for porteføljer med neutral BE/ME.
VMG viser et gennemsnitligt månedligt value-premium på 0,51, der med en -værdi på
0,0894 ikke er signifikant forskelligt fra nul. Dette er en lidt usikker konklusion. De
gennemsnitlige månedlige value-premiums for VMGS og VMGB er hhv. 0,74 og 0,29
med -værdier på hhv. 0,0339 og 0,3416, hvilket betyder, at premiummet for VMGS er
signifikant forskelligt fra nul som en smule usikker konklusion, mens premiummet for
VMGB ikke er signifikant forskelligt fra nul som en meget sikker konklusion. Den
gennemsnitlige forskel mellem VMGS og VMGB på 0,44 er dog ikke signifikant
forskellig fra nul. -værdien på 0,0797 er dog så lav, at dette er en lidt usikker
konklusion. Der er altså evidens for et value-premium for porteføljer, der indeholder
aktier med lav markedskapitalisering, mens dette ikke er tilfældet for porteføljer, der
indeholder aktier med høj markedskapitalisering.
4.1.2 Opsummering Opsummerende kan det konkluderes, at for den fulde periode 1926-2012 er der et
size-premium, som er mest koncentreret i porteføljer med neutral og høj BE/ME.
Denne konklusion ændrer sig dog mellem de enkelte perioder. I perioden 1926-1945 er
der en svag indikation på et size-premium, men som mest er koncentreret i porteføljer
med neutral BE/ME. I den efterfølgende periode 1946-1974 kan der ikke konstateres
et size-premium overhovedet. I de 2 efterfølgende perioder 1975-1999 og 2000-2012
er der i begge i mere eller mindre grad indikation på size-premiums i porteføljer med
neutral og høj BE/ME. Med hensyn til value-premiummet kan det for hele perioden
konkluderes, at der er et value-premium, og at dette ligger mest i porteføljer med lav
markedskapitalisering. Denne konklusion varierer også mellem de enkelte delperioder.
For 1926-1945 findes der ikke nok evidens for et value-premium. I næste periode
1946-1974 er der derimod stærk evidens for et value-premium, og der kan ikke spores
nogen forskel i koncentrationen i porteføljerne delt op efter size. For de 2 sidste
38
perioder 1975-1999 og 2000-2012 er der kun evidens nok til at konkludere, at der er et
value-premium for porteføljer med lav markedskapitalisering.
4.2 Resultater af tidsserieregressionerne I dette afsnit vil tabeller med resultaterne af tidsserieregressionerne blive fremlagt og
analyseret med henblik, på at finde ud af om CAPM kan forklare size, value-premiums
og de overskydende afkast for size-BE/ME-porteføljerne. Resultaterne vil til sidst blive
opsummeret.
4.2.1 Analyse af resultaterne I det følgende vil det blive undersøgt om de size- og value-premiums, der blev fundet
evidens for i afsnit 4.1, kan forklares af CAPM.
Tabel 4.2.1.1 viser resultaterne af tidsserieregressionerne for den fulde periode juli
1926 til januar 2012.
Tabel 4.2.1.1 Resultaterne fra tidsserieregressionerne.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
39
og er hhv. de estimerede skæringsparametre og hældningsparametre for de
forskellige porteføljer, , , og er de respektive -statistikker og -værdier,
er den justerede forklaringsgrad for regressionerne4, og GRS og er hhv. GRS-
statistikken og den dertilhørende -værdi.
For denne periode blev der fundet et size-premium, og dette er koncentreret i
porteføljer med neutral og høj BE/ME. Der blev også konstateret et value-premium,
som er mest koncentreret i porteføljer med lav markedskapitalisering, men som også
er til stede i porteføljer med høj markedskapitalisering. Derfor vil der blive fokuseret
på, om CAPM kan forklare premiumsne for SMB-, SMBN-, SMBV-, VMG-, VMGS- og
VMGB-porteføljerne.
Det ses, at SMB har en estimeret skæringsparameter på 0,12 og en -værdi på 0,2271,
der er et godt stykke over signifikansniveauet på 0,05. Dermed kan nulhypotesen om
at skæringsparameteren er lig med nul ikke forkastes, og dermed kan det ikke afvises,
at CAPM kan forklare size-premiummet for denne periode. For SMBN og SMBV er de
estimerede skæringsparametre hhv. 0,22 og 0,23, og de respektive -værdier er
0,0291 og 0,0268, hvilket betyder, at de begge er signifikant forskellige fra nul, og at
det dermed kan konkluderes, at CAPM ikke kan forklare disse size-premiums.
VMG har en estimeret skæringsparameter på 0,29 og en -værdi på 0,0086, og denne
er dermed signifikant forskellig fra nul. Det kan dermed konkluderes, at CAPM ikke kan
forklare value-premiummet. Ses der på VMGS og VMGB, har de skæringsparametre på
hhv. 0,45 og 0,13 med tilhørende -værdier på 0,0001 og 0,3128. Dermed kan det
konkluderes, at skæringsparameteren for VMGS er signifikant forskellig fra nul, mens
dette ikke er tilfældet for VMGB. Det kan dermed afvises, at CAPM kan forklare value-
premiummet i porteføljer med lav markedskapitalisering, mens det ikke kan afvises for
porteføljer med høj markedskapitalisering.
GRS-statistikken på 6,27 og en -værdi på 0,0000 forkaster nulhypotesen, om at
skæringsparametrene for de 6 size-BE/ME-porteføljer er fælles lig nul. Dermed kan det
konkluderes, at CAPM ikke kan forklare de overskydende afkast på disse porteføljer for
den fulde periode. Det lader, til at det særligt er SN- og SV-porteføljerne, med
4 Der var komplikationer mht. at få en streg over R’et, og derfor er denne ikke med.
40
estimerede skæringsparametre på hhv. 0,25 og 0,36 samt lave -værdier på hhv.
0,0080 og 0,0060, der volder problemer for CAPM.
Tabel 4.2.1.2 viser resultaterne af tidsserieregressionerne for den første delperiode juli
1926 til december 1945.
Tabel 4.2.1.2 Resultaterne fra tidsserieregressionerne.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
For denne periode blev der kun for porteføljer med neutral BE/ME fundet et signifikant
size-premium. Derfor vil der blive set på CAPMs evne til at forklare premiummet for
SMBN-porteføljen.
SMBN har en estimeret skæringsparameter på 0,48, -værdien er 0,1013, og den er
dermed ikke signifikant forskellig fra nul. Det kan derfor ikke afvises, at CAPM kan
forklare size-premiummet i porteføljer med neutral BE/ME. -værdien er dog så lav, at
dette er en lidt usikker konklusion.
GRS-statistikken er 0,96, og den tilhørende -værdi er 0,4549. Dermed kan nul-
hypotesen, om at skæringsparametrene for de 6 size-BE/ME-porteføljer er fælles lig
nul, ikke forkastes. Dermed er der evidens for, at CAPM godt kan forklare de
overskydende afkast på disse porteføljer i denne periode.
41
Tabel 4.2.1.3 viser resultaterne af tidsserieregressionerne for den anden delperiode
januar 1946 til december 1974.
Tabel 4.2.1.3 Resultaterne fra tidsserieregressionerne.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
Der blev for denne periode fundet stærk evidens for et value-premium, hvilket også
gjorde sig gældende, når der blev kigget på porteføljerne delt op på lav og høj
markedskapitalisering. Derfor vil fokus ligge på CAPMs evne til at forklare premiumsne
for VMG-, VMGS- og VMGB-porteføljerne.
VMG har en estimeret skæringsparameter på 0,40 og en meget lav -værdi på 0,0011,
hvilket gør, at den er signifikant forskellig fra nul, og at en CAPM-forklaring af value-
premiummet kan afvises. For VMGS er den estimerede skæringsparameter 0,51, -
værdien er 0,0001, og dermed er den signifikant forskellig fra nul. Der er dermed stærk
evidens, for at CAPM ikke kan forklare value-premiummet for porteføljer med lav
markedskapitalisering. For VMGB er den estimerede skæringsparameter 0,29, og -
værdien på 0,0520 er lige over signifikansniveauet på 0,05. Dermed er den estimerede
skæringsparameter ikke signifikant forskellig fra nul, og det kan dermed ikke afvises, at
CAPM kan forklare value-premiummet for porteføljer med høj markedskapitalisering.
Dette er dog en usikker konklusion den lave -værdi taget i betragtning.
42
GRS-statistikken er 4,66, og med en -værdi på 0,0001 kan nul-hypotesen, om at
skæringsparametrene for de 6 size-BE/ME-porteføljer er fælles lig nul, forkastes. Der er
dermed ikke tegn, på at CAPM kan forklare de overskydende afkast på de 6 porteføljer
i denne periode. Det ser ud, til at det særligt er SG- og BV-porteføljerne, der med
estimerede skæringsparametre på hhv. -0,30 og 0,26 samt -værdier på hhv. 0,0452 og
0,0158, giver problemer for en CAPM-forklaring af de overskydende afkast.
Tabel 4.2.1.4 viser resultaterne af tidsserieregressionerne for den tredje delperiode
januar 1975 til december 1999.
Tabel 4.2.1.4 Resultaterne fra tidsserieregressionerne.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
Der blev i denne periode fundet tegn på et size-premium i porteføljer høj BE/ME, mens
der blev fundet svag evidens for et size-premium i porteføljer med neutral BE/ME. Der
blev også fundet et value-premium for porteføljer med lav markedskapitalisering.
Dermed vil der blive fokuseret på CAPMs evne til at forklare premiumsne for SMBN,
SMBV og VMGS.
SMBN og SMBV har begge estimerede skæringsparametre på 0,24 og -værdier på
hhv. 0,1305 og 0,1184, hvilket betyder, at de begge ikke er signifikant forskellige fra
43
nul. En CAPM-forklaring af size-premiumsne for porteføljer med neutral og høj BE/ME
kan dermed ikke afvises.
VMGS har en estimeret skæringsparameter på 0,71 og en yderst lav -værdi, 0,0000.
Dermed er den estimerede skæringsparameter signifikant forskellig fra nul, og det kan
dermed afvises, at CAPM kan forklare value-premiummet for porteføljer med lav
markedskapitalisering.
GRS-statistikken er 5,06, og den dertilhørende -værdi er 0,0001. Dermed kan nul-
hypotesen, om at skæringsparametrene for de 6 size-BE/ME-porteføljer er fælles lig
nul, forkastes. Dermed er der ikke evidens, for at CAPM kan forklare de overskydende
afkast på de 6 porteføljer. Det lader til at være specielt SN- og SV-porteføljerne med
skæringsparametre på hhv. 0,29 og 0,45, der volder CAPM problemer, da de har lave
-værdier på hhv. 0,0353 og 0,0068.
Tabel 4.2.1.5 viser resultaterne af tidsserieregressionerne for den fjerde og sidste
delperiode januar 2000 til januar 2012.
Tabel 4.2.1.5 Resultaterne fra tidsserieregressionerne.
Kilde: Egen konstruktion ud fra data fra Kenneth R. Frenchs hjemmeside (2012).
44
For denne periode blev der fundet evidens for et size-premium for porteføljer med høj
BE/ME og et value-premium for porteføljer med lav markedskapitalisering. Derfor ses
der på CAPMs evne til at forklare SMBV- og VMGS-porteføljernes premiums.
Skæringsparameteren for SMBV er 0,65, og med en -værdi på 0,0340 er denne
signifikant forskellig fra nul. Dermed kan det afvises, at CAPM kan forklare size-
premiummet for porteføljer med høj BE/ME. Dette er en lidt usikker konklusion, da -
værdien ikke er så langt fra signifikansniveauet på 0,05.
For VMGS er den estimerede skæringsparameter 0,75, og -værdien er 0,0254. Den
estimerede skæringsparameter er dermed signifikant forskellig fra nul, og det kan
dermed afvises, at CAPM kan forklare value-premiummet for porteføljer med lav
markedskapitalisering. Denne konklusion er lidt usikker, da -værdien ikke er så langt
fra 0,05.
GRS-statistikken er 3,46, og med en -værdi på 0,0032 kan nul-hypotesen, om at
skæringsparametrene for de 6 size-BE/ME-porteføljer er fælles lig nul, forkastes. Der er
dermed ikke tegn, på at CAPM kan forklare de overskydende afkast på de 6 porteføljer
i denne periode. Det lader til at være SN- og SV-porteføljerne, der med estimerede
skæringsparametre på hhv. 0,75 og 0,85 samt -værdier på hhv. 0,0027 og 0,0031
volder problemer for CAPM.
4.2.2 Opsummering Af analysen blev det fundet, at for den fulde periode 1926-2012 kunne en CAPM-
forklaring af SMBN-, SMBV-, VMG- og VMGS-premiumsne afvises, mens den ikke
kunne afvises for SMB- og VMGB-premiumsne. Der blev heller ikke fundet evidens, for
at CAPM kunne forklare de overskydende afkast på de 6 size-BE/ME-porteføljer. For
den første delperiode 1926-1945 kunne en CAPM-forklaring af SMBN-premiummet
ikke afvises. En CAPM-forklaring af de overskydende afkast på size-BE/ME-
porteføljerne kunne heller ikke forkastes. I den anden delperiode 1946-1974 blev der
ikke fundet tegn, på at CAPM kunne forklare VMG- og VMGS-porteføljernes premiums.
En CAPM-forklaring kunne dog ikke afvises for VMGB-premiummet, men dette var en
ret usikker konklusion. Der blev ikke fundet tegn, på at CAPM kunne forklare de
45
overskydende afkast på size-BE/ME-porteføljerne. For den tredje delperiode 1975-
1999 blev det fundet, at det ikke kunne afvises, at CAPM kunne forklare premiumsne
på SMBN- og SMBV-porteføljerne. Til gengæld kunne en CAPM-forklaring afvises for
premiummet på VMGS-porteføljen. For de overskydende afkast på de 6 size-BE/ME-
porteføljer kunne en CAPM-forklaring afvises. Ved den fjerde og sidste periode 2000-
2012 kunne en CAPM-forklaring afvises for premiumsne på SMBV- og VMGS-
porteføljerne. Der blev heller ikke fundet evidens, for at CAPM kunne forklare de
overskydende afkast på de 6 size-BE/ME-porteføljer.
4.3 Sammenfatning Af analysen i afsnit 4.1 og 4.2 ses det at hvilke size- eller value-premiums, der kan
findes evidens for, varierer mellem delperioderne. For perioden 1926-1945 findes der
kun et enkelt premium, nemlig for SMBN, og dette premium er der ikke evidens nok,
for at CAPM ikke kan forklare. Når der kigges på de overskydende afkast på de 6 size-
BE/ME-porteføljer, kan en CAPM-forklaring heller ikke afvises. Dermed ser CAPM ud til
at klare sig ganske godt i denne periode, som blev klassificeret som den mest
turbulente. Dette er i trit med Castellani & Jahan-Parvars spekulationer, om at CAPM
klarer sig godt i turbulente perioder. Resultatet er nok heller ikke så overraskende,
dersom at 1926-1945 er en delperiode af den periode, 1926-1963, som Fama & French
(2006) og Castellani & Jahan-Parvar (2010) finder samme resultat for.
Ses der på den fjerde periode, der blev klassificeret som den næstmest turbulente
periode, findes der et size- og et value-premium i SMBV og VMGS, som begge ikke kan
forklares af CAPM. Når der ses på alle de 6 size-BE/ME-porteføljer, afvises en CAPM-
forklaring ligeledes. Hvis CAPM kunne forklare de overskydende afkast i denne
turbulente periode, ville det kunne støtte Castellani & Jahan-Parvars (2010)
spekulationer. Dette er dog som sagt ikke tilfældet.
For de to mellemliggende perioder 1946-1974 og 1975-1999, der blev klassificeret som
de mest rolige, kan en CAPM-forklaring af de overskydende afkast på size-BE/ME-
porteføljerne afvises for begge. For 1946-1974 blev der konstateret value-premiums i
VMG, VMGS og VMGB, hvor premiumsne i VMG og VMGS ikke kunne forklares af
46
CAPM. For 1975-1999 blev der konstateret premiums for SMBN, SMBV og VMGS, hvor
en CAPM-forklaring kun blev afvist for VMGS.
Alt i alt må det siges, at der ikke kunne findes yderligere støtte til Castellani & Jahan-
Parvars spekulationer ved at lave en anderledes periodeinddeling og ved at inkludere
de seneste 3 år i undersøgelsen.
Mere interessant er resultaterne for size-premiumsne. Som nævnt i Kapitel 1
konkluderer Fama & French (2006) og Castellani & Jahan-Parvar (2010), at en CAPM-
forklaring af size-premiummet ikke kan afvises. Samme konklusion nås i denne
afhandling for SMB-porteføljen, men ved opdelingen i SMBG, SMBN og SMBV findes
det, at der er size-premiums for SMBN og SMBV for den fulde periode 1926-2012 samt
et size-premium for SMBV for 2000-2012, der ikke kan forklares af CAPM.
47
5. Konklusion I denne afhandling er der med udgangspunkt i den opstillede problemformulering i
kapitel 1 udført en undersøgelse af CAPMs evne til at forklare size-, value-premiums og
afkast på 6 porteføljer opdelt efter markedskapitalisering og BE/ME.
I kapitel 2 blev der foretaget en redegørelse, for hvorledes teorien om CAPM tager
udgangspunkt i Markowitz’ (1959) porteføljevalgsmodel, hvor investorer kun vælger
porteføljer, der minimerer risikoen for et givet forventet afkast og maksimerer det
forventede afkast givet en bestemt risiko. CAPM siger hvordan et aktivs forventede
afkast afhænger af den risikofri rente, aktivets markedsbeta og det forventede afkast
af markedsporteføljen. Denne sammenhæng vises af Security Market Line.
I kapitel 3 blev det vist hvorledes de 6 porteføljer bruges til at danne faktorporteføljer,
der beskriver size- og value-premiums. Efterfølgende blev der valgt hvilke perioder, der
skulle undersøges, på baggrund af hvor turbulente de har været, hvilket resulterede i
de 4 delperioder 1926-1945, 1946-1974, 1975-1999 og 2000-2012 foruden hele
perioden 1926-2012. Herefter blev der redegjort, for hvorledes simple hypotesetests
kan benyttes til at belyse tilstedeværelsen af size- og value-premiums for de valgte
perioder, og hvordan hypotesetests på baggrund af en række tidsserieregressioner kan
benyttes til at teste, om CAPM kan forklare size- og value-premiums samt
overskydende afkast på de 6 size-BE/ME-porteføljer.
I kapitel 4 blev resultaterne af den empiriske undersøgelse fremlagt og analyseret. Der
blev fundet enten size-, value-premiums eller begge dele i alle perioder. En del af disse
premiums kunne CAPM ikke forklare, mens der for en anden del ikke kunne afvises en
CAPM-forklaring. Et interessant resultat er, at en CAPM-forklaring af de overskydende
afkast på de 6 size-BE/ME-porteføljer kunne afvises for den fulde periode samt de 3
seneste delperioder, mens den ikke kunne afvises for den mest turbulente periode
1926-1945. Dette resultat skal holdes op, mod at der i tidligere studier er fundet, at en
CAPM-forklaring ikke kan afvises for de samme 6 porteføljer for perioden 1926-1963.
Da CAPM-forklaringen afvises for den næstmest turbulente periode 2000-2012,
fandtes der ikke støtte for Castellani & Jahan-Parvars (2010) spekulationer, om at
48
CAPM skulle klare sig bedre i turbulente perioder. Et andet interessant resultat er, at
der blev fundet size-premiums i porteføljer med neutral og høj BE/ME for 1926-2012
samt et size-premium for porteføljer med høj BE/ME for 2000-2012, der ikke kan
forklares af CAPM.
49
Litteraturliste Ackert, L. F. and Deaves, R. (2010). Behavioral Finance: Psychology, Decision-Making
and Markets, Mason, OH: South-Western Cengage Learning.
Andersen, S. and Jensen, M. B. (2009). Notesamling til Statistik: HA og HD 1. del,
Aarhus: Institut for Marketing og Statistik, Handelshøjskolen, Aarhus Universitet.
Black, F. (1972). Capital Market Equilibrium with Restricted Borrowing, The Journal of
Business, Vol. 45, No. 3 (July), pp. 444-455.
Breusch, T. S. (1978). Testing for Autocorrelation in Dynamic Linear Models, Australian
Economic Papers, Vol. 17, No. 31 (December), pp. 334-355.
Breusch, T. S. and Pagan, A. R. (1979). A Simple Test for Heteroskedasticity and
Random Coefficient Variation, Econometrica, Vol. 47, No. 5 (September), pp. 1287-
1294.
Campbell, J. Y., Lo, A. W. and MacKinlay, A. C. (1997). The Econometrics of Financial
Markets, Princeton, N.J.: Princeton University Press.
Castellani, G. A. and Jahan-Parvar, M. R. (2010). The Capital Asset Pricing Model and
the Value Premium: A Post-Financial Crisis Assessment, http://www.ecu.edu/cs-
educ/econ/upload/ecu1008-Jahan-Parvar-CAPMValPremFC-version20100910.pdf
(August), pp. 1-18.
Durbin, J. and Watson, G. S. (1950). Testing for Serial Correlation in Least Squares
Regression, I, Biometrika, Vol. 37, No. 3/4 (December), pp. 409-428.
Elton, E. J., Gruber, M. J., Brown, S. J. and Goetzmann, W. N. (2003). Modern portfolio
theory and investment analysis, New York: John Wiley & Sons.
EViews 6 User’s Guide I (2007), Irvine, CA: Quantitative Micro Software, LLC.
Fama, E. F. and French, K. R. (2004). The Capital Asset Pricing Model: Theory and
Evidence, Journal of Economic Perspectives, Vol. 18, No. 3 (Summer), pp. 25-46.
50
Fama, E. F. and French, K. R. (2006). The Value Premium and the CAPM, The Journal of
Finance, Vol. 61, No. 5 (October), pp. 2163-2185.
Fama, E. F. and MacBeth, J. D. (1973). Risk, Return, and Equilibrium: Empirical Tests,
Journal of Political Economy, Vol. 81, No. 3 (May-June), pp. 607-636.
French, K. R. (2012).
http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html
Godfrey, L. G. (1978). Testing against General Autoregressive and Moving Average
Error Models when the Regressors Include Lagged Dependent Variables, Econometrica,
Vol. 46, No. 6 (November), pp. 1293-1302.
Jarque, C. M. and Bera, A. K. (1980). Efficient Tests for Normality, Homoskedasticity
and Serial Independence of Regression Residuals, Economics Letters, Vol. 6, No. 3
(October), pp. 255-259.
Jensen, M. C. (1968). The Performance of Mutual Funds in the Period 1945-1964, The
Journal of Finance, Vol. 23, No. 2 (May), pp. 389-416.
Keller, G. (2009). Managerial Statistics, Mason, OH: South-Western Cengage Learning.
Lintner, J. (1965). The Valuation of Risk Assets and the Selection of Risky Investments
in Stock Portfolios and Capital Budgets, The Review of Economics and Statistics, Vol. 47,
No. 1 (February), pp.13-37.
Markowitz, H. (1952). Portfolio Selection: Efficient Diversification of Investments, New
York: John Wiley & Sons, Inc.
Merton, R. C. (1973). An Intertemporal Capital Asset Pricing Model, Econometrica, Vol.
41, No. 5 (September), pp. 867-887.
Newey, W. K. and West, K. D. (1987). A Simple Positive Semi-Definite,
Heteroskedasticity and Autocorrelation Consistent Covariance Matrix, Econometrica,
Vol. 55, No. 3 (May), pp. 703-708.
51
Roll, R. (1977). A critique of the asset pricing theory's tests Part I: On past and potential
testability of the theory, Journal of Financial Economics, Vol. 4, No. 2 (March), pp. 129-
176.
Ross, S. A. (1976). The Arbitrage Theory of Capital Asset Pricing, Journal of Economic
Theory, Vol. 13, No. 3, pp. 341-360.
Sharpe, W. F. (1964). A Theory of Market Equilibrium under Conditions of Risk, The
Journal of Finance, Vol. 19, No. 3 (September), pp. 425-442.
Verbeek, M. (2004). A Guide to Modern Econometrics, Chichester, West Sussex: John
Wiley & Sons Ltd.
White, H. (1980), A Heteroskedasticity-Consistent Covariance Matrix Estimator and a
Direct Test for Heteroskedasticity, Econometrica, Vol. 48, No. 4 (May), pp. 817-838.
Wooldridge, J. M. (2009). Introductory Econometrics: A Modern Approach, South-
Western Cengage Learning.
Wikipedia (2012). http://en.wikipedia.org/wiki/List_of_stock_market_crashes.