Using Model Averaging Techniques to Examine Determinants of Stock Returns

Abstract

The predictability of stock returns has been a widely discussed topic in the fi- nancial literature. In the presented thesis, we examine the effect of 20 possible predictors on S&P 500 excess returns in the time period from June 1998 till December 2016. However, traditional models examining stock returns usually ignore the issue of model uncertainty. In order to explicitly incorporate uncer- tainty about the model into the analysis, we employ two model averaging tech- niques, in particular Bayesian model averaging (BMA) and frequentist model averaging (FMA). As a robustness check we use three different combinations of priors within BMA framework. We assess the quality of their predictions and compare the results with the traditional methods based on model selection cri- teria. We find out that among the most important variables explaining excess returns on S&P 500 stock index are three-month Treasury bill rate, dividend yield, term premium, payout ratio, excess returns lagged twice, and default risk premium. These are robust across all models we have estimated. Although fre- quentist model averaging provides in-sample predictions superior to BMA as the literature suggests and it also performs better than models selected accord- ing to popular statistical criteria, it fails to outperform the Bayesian...

Predpovedateľnosť výnosov akcií je veľmi často diskutovaná téma v súčas- nej finančnej literatúre. V prezentovanej práci skúmame efekt dvadsiatich možných determinantov na nadmerné výnosy S&P 500 indexu v období od júna 1998 do decembra 2016. Tradičné modely skúmajúce výnosy akcií však často ignorujú problém modelovej neistoty. Preto, aby sme do analýzy zahrnuli neistotu ohľadom správneho modelu, používame dve metódy priemerovania modelov, konkrétne Bayesovské priemerovanie modelov (BMA) a frekventi- stické priemerovanie modelov (FMA). Ako kontrolu robustnosti používame vrámci BMA tri rôzne kombinácie priorov. Hodnotíme kvalitu ich predpovedí a porovnávame výsledky s tradičnými metódami, ktoré vyberajú najlepší model na základe štatistických kritérií. Zistili sme, že medzi najdôležitejšie pre- menné, ktoré vysvetľujú nadmerné výnosy na akciovom indexe S&P 500, sú tro- jmesačná úroková sadzba pokladničných poukážok, výnosy z dividend, časová prémia, výplatný pomer, nadmerné výnosy oneskorené o dve obdobia a riziková prémia. Tieto determinanty sú robustné naprieč všetkými odhadovanými mod- elmi. Napriek tomu, že frekventistické priemerovanie modelov prekonáva Bayes- ovské priemerovanie modelov na základe testovania in-sample ako literatúra naznačuje a tiež prekonáva modely vybrané podľa populárnych...