Analisi empirica del CAPM

1 - Il modello (che conoscete già bene)

2 - Analisi del CAPM in serie storica

2.1 Regressioni univariate

2.2Regressioni multivariate

3 - Analisi del CAPM in cross-section

3.1 Regressione lineare in cross-section

3.2 Serie storiche di stime cross-section

 La teoria economica

Si assume che le preferenze degli investitori sono coerenti

con il modello MV e che tutti i mercati siano in equilibrio.

Individua una relazione tra redditività e rischiosità e si

mostra che non tutto il rischio viene remunerato da un
extrarendimento atteso, ma solo quella parte che non può
essere eliminata tramite diversi…cazione.

L’esposizione al rischio non diversi…cabile è misurata dal

beta - legato alla covarianza tra il rendimento del titolo
e quello del mercato
Punto di partenza MV + mercati perfetti + molti in-
vestitori price-taker + stesse aspettative + possibilità di
indebitarsi al tasso privo di rischio

I portafogli e¢ cienti in MV sono tali per cui

1 1
we = k ) = we (1)
k
Questo implica una forma speci…ca della covarianza tra
gli extrarendimenti dei primitivi e quello dei portafogli
e¢ cienti:
h i
Cov (z ; ze) = Cov z; w0ez = E (z ) w0e (z )
(2)
h i
= E (z ) (z )0 we = V ar (z ) we = we
Quindi (1) e (2) assieme mostrano che gli extrarendimenti
attesi dei primitivi sono proporzionali alla loro covarianza
con i portafogli e¢ cienti:
1 1
= we = Cov (z ; ze)
k k
Che valori assume il fattore di proporzionalità 1=k?
Calcoliamo qual è l’extrarendimento atteso dei portafogli
e¢ cienti a partire da (1):
1 1 1 2 1
= we ) e = w0e we = e ) = 2e
k k k k e
Allora:
1
= we = 2e Cov (z ; ze) = e
e
k e
e per il titolo i esimo abbiamo quindi

i = e
i e
e
i = ie
2
e
 La relazione vale tra momenti teorici

Il portafoglio e¢ ciente e deve appartenere alla fron-

tiera e¢ ciente teorica

Ma e sono ignoti e devono essere stimati. Possiamo

procedere rimpiazzando i valori stimati z e b ?

Il problema è che scelto un fattore di proporzionalità k (o

equivalentemente scelto uno dei possibili portafogli e¢ -
cienti compatibili con z e b ) l’ipotesi nulla H0 : i =
e
i e viene accettata per costruzione. Quindi così non è
veri…cabile empiricamente
Ma:

1. Dall’analisi MV sappiamo che tutti gli investitori de-

terranno portafogli proporzionali al portafoglio wM =
1 = 0 1

2. Essendo tutti imercati in equilibrio (domanda = of-

ferta), allora il portafoglio di mercato coincide con il
portafoglio di tangenza

Allora giungiamo alla Security Market Line:

iM
i= i M i = 2
M
i misura il rischio sistematico, non diversi…cabile perchè
legato alle ‡uttuazioni del mercato, e solo questo rischio
è remunerato con un extrarendimento atteso positivo

Critica di Roll: il portafoglio di mercato non è os-

servabile (molti più titoli sono disponibili, oltre al capitale
umano, immobiliare, etc.). Ricorso a proxy, ma ...
 Analisi del CAPM in serie storica

Black, Jensen e Scholes (1972): considerate il modello di

regressione lineare semplice

zit = + izmt + uit

i
E [uitjzmt] = 0; V ar [uitjzmt] = ! 2i
Allora

E [zitjzmt] = i + izmt
E [zit] = i = i + i m ) i = i i m

Cov (zit; zmt) = E [(zit i) (zmt m)]

= E [(zit i + i m) (zmt m)]
= E [( i + izmt + uit i i m) (zmt m)]
= iE [(zmt m) (zmt m)] + E [uit (zmt m)]
Cov (zit; zmt)
= iE [(zmt m) (zmt m)] ) i =
V ar (zmt)
I corrispondenti empirici:

b i = zi b z : alfa di Jensen
i m
b = b im
i
b2m
Sotto l’assunzione di indipendenza delle osservazioni (no
autocorrelazione) e di omoschedasticità:
Se il modello di regressione è corretto, allora

zit = i + izmt + uit

2 = 2 2 + !2
i i m i
quindi il coe¢ ciente di determinazione R2 è interpretabile
in termini di stima della percertuale i rischi osistematico
sul rischio complessivo del titolo i:

SSR b2
! b2 b2
i m
R2 = 1 =1 i =
T SS b2
i b 2
i

Il CAPM non solo presuppone che = 0, ma anche che

la presenza di altre variabili sia irrilevante

Ma come posso sapere se le assunzioni che mi permet-

tono di usare gli stimatori OLS standard sono validi (e di
conseguenza tutta l’inferenza?)
Si tratta di veri…care se la serie dei residui (stima della
serie non osservabile degli errori) rispetta le ipotesi di

- assenza di autocorrelazione

- omoschedasticità

- normalità (già lo conoscete)

Per veri…care l’assenza di autocorrelazione possiamo

- fare riferimento ai test Q che già abbiamo visto

- fare ricorso al test Durbin - Watson: per veri-

…care l’ipotesi H0 : u (1) = 0 guardiamo alla statistica
PT
t=2 bt
(u b t 1 )2
u
DW = PT 2 [1 bu
b (1)]
b2
t=2 u t
per costruzione 0 DW 4 e l’ipotesi nulla viene
accettata per valori della statistica test prossimi a 2.
I valori critici del DW dipendono dal numero di variabili
esplicative presenti, danno luogo ad un area di indetermi-
nazione ed il test non è vaido se tra le variabili esplicative
c’è la dipendente ritardata

- fare ricorso al test di Breusch-Godfrey. L’ipotesi

nulla è H0 : u (h) = 0; h = 1; :::; p ed equivale a sti-
mare con OLS l’equazione

zt = b t 1 + 2u
+ zmt + 1u bt 2 + b t p + vt
+ pu
e veri…care H0 : 1 = 2 = : : : = p = 0 con un test
F , oppure considerando l’equazione

bt =
u b t 1 + 2u
+ zmt + 1u bt 2 + b t p + vt
+ pu
di cui ci interessa solo la statistica T R2 da confrontare
con un 2p
Per veri…care l’ipotesi di omoschedasticità, l’idea comune
a molti test è quella di iniziare dando una forma a come
varia la varianza:

V ar (ut) = h + w0t >0

Qualunque sia la forma di h ( ), l’ipotesi di nulla di omoschedas-
ticità coincide con H0 : = 0 nella regressione (Breusch
e Pagan)
b2
u t = + w0t + vt
Alternativamente si può prendere la statistica T R2
della regressione

b2
u t = + zmt + w0t + vt
da confrontare con un 2 con gradi di libertà pari al
numero di variabili in w.

Test di Koenker: w coincide con zbt2, test di

White: w include i quadrati ed i prodotti incrociati
delle variabili esplicative (attenzione al rango!)
Test per la presenza di ARCH(p): in questo
caso l’insieme w include i quadrati dei residui …no al ri-
tardo p: ub2 ; b
u
t 1 t 2
2 ; :::
La distribuzione asintotica degli OLS è tale per cui
p d
T b ! N 0; Q 1 Q 1
T h i
1 X 0 p 0 b = X 0X =T
xt xt ! Q = E xt x t ; Q
T t=1
T
1 X d
p xtut ! N (0; )
T t=1

Se c’è omoschedasticità = ! 2Q;

Eteroschedasticità, ma errori non autocorrelati: stima-
tore di White
XT
1
b =
0 b2
u 0
t xt xt
T t=1

Eteroschedasticità e errori autocorrelati: stimatore

di Newey & West
L
X
b b l b + b0
= 0 + 1 l l
l=1
L+1
XT
1
b =
l b t l xtx0t l
b tu
u
T t=l+1
Test di stabilità strutturale

Già visti Chow e Chow con data ignota (Quandt likelihood

ratio test, QLR)

CUSUM: studia la distribuzione degli errori di previsione

(standardizzati) ad un passo in avanti

yn x0n b n 1
en = r
u n = K +2; : : : ; T
1 + x0n X 0n 1X n 1 xn

dove K è il numero di parametri da stimare, b n 1 è la

stima ottenuta usando tutte le osservazioni dal periodo
iniziale t = 1 …no a quello …nale t = n 1.

Sotto l’ipotesi di costanza dei parametri e ut~iiN 0; 2u ,

e n~iiN 0; 2
u u e tutte le sommatorie
n
1 X
CS (n) = ej
u n = K + 2; : : : ; T
su j=K+2
hanno media nulla.
L’ipotesi di stabilità viene quindi veri…cata guardando a
H0 : E [ CS (n)] = 0, il che si riduce a veri…care che
b
CS (n) rientri all’interno delle bande di con…denza (al
95%)
n p p o
0:948 T K + 1:896 (n K ) T K

CUSUMSQ: Similmente, sotto l’ipotesi di stabilità i rap-

porti
Pn 2
e
u
j=K+2 j
CSQ ( n) = PT
n = K + 2; : : : ; T
e2
j=K+2 u j
PT
sono allineati lungo la retta che passa dai punti K + 2; j=K+2
e (T; 1). L’intervallo di con…denza (al 95%) è dato da
n K
c0 +
T K
Osservazioni "anomale"

Osservazioni in‡uenti: coppie yt; x0t il cui e¤etto sulla

stima OLS di è nettamente superiore a quello delle altre
osservazioni

Misure di leverage

pt = x0t X 0X xt
pt 2 [0; 1] p = K=T
La di¤erenza tra le stime ottenute usando tutto il cam-
pione, b , e quelle ottenute escludendo l’osservazione t-
esima, b t,
1
b b
t= X 0X xtub t
1 pt
aumenta quando pt ! 1 e al crescere di xktu b t )veri…ca
b t= (1 pt).
dell’in‡uenza guardando al gra…co di xktu
La di¤erenza tra i valori predetti al tempo t usando tutto il
campione, x0t b , e quelle ottenute escludendo l’osservazione
t-esima, x0t b t,
pt
x0t b x0t b t= bt
u
1 pt
aumenta quando pt ! 1 e al crescere di u b t )veri…ca
b t= (1 pt).
dell’in‡uenza guardando al gra…co di ptu
 Analisi del CAPM in serie storica,
regressioni multivariate

L’analisi del CAPM in serie storica con regressioni univari-

ate si basa sulla veri…ca che l’intercetta dell’equazione di
regressione
zit = i + izmt + uit
sia pari a 0, non considerando le correlazioni tra i vari titoli
i; i = 1; : : : ; I . Più e¢ cacemente si possono considerare
tutti i titoli congiuntamente e quindi partire dal sistema
8
>
< z1t = + 1zmt + u1t
1
...
>
: z =
It I + I zmt + uIt
Riscritto in temini matriciali

zt = + zmt + ut ;
I 1 I 1 I 1 I 1
(
se t = s
E [utjzmt] = 0; Cov (ut; usjz m) =
0 se t =
6 s
Abbiamo quindi un SURE con le stesse variabili esplica-
tive e sappiamo può essere stimato in maniera e¢ ciente
applicando OLS equazione per equazione. Date le stime
b t = zt
OLS otteniamo le serie dei residui u b bz
mt
e possiamo stimare come
XT
b = 1
b 0t
b tu
u
T t=1

Il test per l’ipotesi H0 : = 0 può essere e¤ettuato us-

ando la statistica F e la distribuzione FI;T I 1 sotto
l’ipotesi che gli errori siano iiN , oppure usando la statis-
tica qF e la distribuzione 2I sotto l’ipotesi iid:
Nel caso speci…co possiamo notare che sotto l’ipotesi iiN
lo stimatore ha distribuzione esatta
0 1
! ! !
b B 1 1 + z 2m= b 2m z 2m= b 2m C
NB
@ ; C
b T z 2m= b 2m 1= b 2m I IA
2I 1 2 2
e quindi sotto H0 : = 0 la statistica
1 0
3:2 = b 0V\ar ( b ) b =I
" ! # 1
1 z 2
= b0 1+ m b b 0=I
T I 1 b2m
! 1
T I 1 z 2m 0 b 1 0
= 1+ 2 b b FI;T I 1
I bm
Se invece assumiamo solo iid, allora facciamo riferimento
alla distribuzione asintotica
! !!
p b d
T b !
! !
1+ 2 = 2 2 = 2
N 0; m m m m
2 = 2 1= 2m
m m
ed in questo caso
1 0
3:3 = b 0V\
ar ( b ) b
! 1
z 2m 1 0
= T 1+ 2 b0 b b 2
I
b m

E¤ettuare questo test equivale a veri…care che il portafoglio

di mercato (con rendimeno zmt) sia un portafoglio e¢ -
ciente in uno spazio dei primitivi che contiene I titoli, e
quindi ricorrendo alle statistiche
T 1 pcs2 pcs2m
I
2:3 =
I 1 + pcs2m
pcs2 pcs2m
2:4 = T
1 + pcs2m
Se c’è etetroschedasticità e/o autocorrelazione, allora è
necessario modi…care il metodo di stima ...

La strategia solitamente utilizzata per veri…care la validità

del CAPM con analisi di regressione multivariata non fa
riferimento ai singoli titoli, ma ai rendimenti di portafogli
ottenuti raggruppando i titoli in base ad alcune caratteris-
tiche di interesse.Per esempio i portafogli di Eugene Fama
e Kenneth French raggruppano titoli del NYSE, NASDAQ
e AMEX in base a capitalizzazione, rapporto dividendo
/ prezzo, rapporto utili / capitalizzazione, rapporto cash
‡ow / capitalizzazione, rapporto book to market value e
settori di attività
 Analisi del CAPM in cross-section
Consideriamo la SML
= m
Tre cose devono essere quindi vere a¢ nchè valga il CAPM

1. gli extrarendimenti attesi dei titoli sono proporzionali

al rispettivo beta

2. il coe¢ ciente di proporzionalità è l’extrarendimento

atteso di mercato m

3. nessun altra variabile oltre al beta è rilevante per

spiegare la di¤erenza tra extrarendimenti attesi di
di¤erenti titioli

Possiamo quindi guardare a regressioni in cui le osser-

vazioni si riferiscono a titoli di¤erenti osservati nello stesso
momento, in cui la variabile esplicativa è data dai beta
dei diversi titoli e l’extrarendimento atteso di mercato è
un parametro
Regressione lineare in cross section (Litner
1965)

Si consideri un’unica regressione lineare

z = +v
= m; E [v ] = 0
Questa però non può essere stimata, perchè non è
osservabile. Si deve necessariamente passare a

z = b +e (3)
e =v b

quindi, per costruzione, gli errori di questa regressione

sono correlati con le variabili esplicative, rendendo OLS e
GLS inutilizzabili

Per proseguire dobbiamo fare qualche ipotesi sulla natura

di z t, ed assumeremo che sono iid e che valga

zt = + zmt + ut ;
I 1 I 1 I 1 I 1
(
se t = s
E [utjzmt] = 0; Cov (ut; usjz m) =
0 se t =
6 s
I …sso, T ! 1 (Shanken, 1992)

Applicando OLS alla (3) abbiamo

b 0z b0 b + b zm b0 b
b = = = zm +
b0b b0b b0b
0 1
b0 b
b =
e z bb = b + b zm b @z + A
m
b0b
0 1
b0 b 1 b b 0A
= b b = @II b
0
b b b0b
| {z }
Mb

Possiamo scrivere le espressioni per b zm b in

e e
forma compatta come
b = Nb b
(1+I) 1
(1+I) I
0 1
! 1 b0
b zm B b0 b C
b = ;Nb = @ A
b
e Mb
Allora possiamo scrivere
p p p
T b N = Nb T (b )+ T N b N

Se vale il CAPM, allora = 0, e quindi N = 0:

Questo vincolo equivale a chiedere due cose congiunta-
mente:
)
? : 0 =0
, =0
? a tutti i vettori ortogonali a : M =0
Se vale il CAPM, allora = 0, quindi sotto H0 il sec-
ondo addendo svanisce e possiamo trovare la distribuzione
asintotica di b osservando che per il Teorema di Mann &
p p p d
b
Wald: se ! , allora N b ! N , quindi N b T ( b )!
N 0; N AV ar ( b ) N 0 e
! !
p 2
d m
T b ! N 0; 1 + 2
N N0
m
La statistica test asintotica per veri…care l’ipotesi H0 :
= 0 è quindi
! 1
2 h i 1 0
= 1+ m b0 N N0 b ~ 2
3:6 2 I 1
m
! 1
z 2m 1
3:6 = T 1+ b0 b b = 3:3
b2 m

Sotto H0 la statistica test coincide con quella per la ver-

i…ca dell’ipotesi che tutte le intercette siano nulle nel
SURE. Ma sotto l’alternativa la distribuzione del test è
di¤erente, quindi la potenza del test è diversa.
Serie storiche di stime cross section
Idea base: la variabile dipendente non è z ma z t, in
questo modo abbiamo una stima di per ogni istante di
tempo

Black, Jensen e Scholes (1972): la variabile esplicativa è

, non varia nel tempo

Fama e MacBeth (1973): la variabile esplicativa è t,

varia nel tempo

Black, Jensen e Scholes (1972):

zt = b t + et
Applicando OLS:
b 0z
e t
t = ; et = M bzt
e
b0b

e 1 Xe b
= t=
T
1X
e =
e et = e
e b
T
Avremo quindi
! !
e zmt b zm
e = t b =
t et
e b
e
e
\ e 1X e b e b 0
V ar t = t t
T
Inoltre, se non c’è autocorrelazione possiamo anche
scrivere
\ 1 \
V ar b = V ar e t
T
Questa nuova stima della matrice di covarianza di b può
essere utilizzare per veri…care l’ipotesi H0 : = 0:
1
= b 0V \
ar b b
3:11
1
0 \
= T b V ar e t b 2
I
Attenzione: approssimazione della “vera” varianza che
non converge al valore vero, tendo a ri…utare H0 troppo
spesso. E’molto probabile vi sia autocorrelazione (tramite
i b ), quindi usare approccio Newey & West.
Fama e MacBeth (1973)
zt = b t t + et t = S + 1; S + 2; : : : T
Pt 1
(z
b = s=t S is
z it) (zms z mt) 1 tX1
t Pt 1 2
z it = zis
s=t S ( z ms z mt ) S s=t S
Applicando OLS
b0z
e = t t; e et = M b zt
t
b0 b t
t t
e = 1 Xe 1 X
e=
t e et
e
T S T S
A questo punto possiamo proseguire come nel caso prece-
dente:
! !
e zmt e zm
e = t e =
t et
e e
e
e
\ e 1X e e e e 0
V ar t = t t
T
Inoltre, se non c’è autocorrelazione possiamo anche
scrivere
\ 1 \
V ar e = V ar e t
T
Per veri…care l’ipotesi H0 : = 0 ricorro a:
1
e0 \
3:12 = V ar e e
1
0 \
= T e V ar ft e 2
I
Valgono gli stessi motivi di attenzione del caso prece-
dente.