Detekce změn v panelových datech

Abstract

This thesis deals with the issue of parameter stability in time in a linear regression model for panel data, specifically in the context of Fama-French models. First, these models are introduced, then the principles of test statistics designed to identify changes in the model are elaborated, resulting in statistics adapted to datasets with a high number of units in the panel and a short time range. The theoretical findings are then applied in the empirical part, which analyzes data from European stock markets with a focus on the period of market shock caused by the COVID-19 pandemic.

Práce se zabývá problematikou stability parametrů v čase v lineárním regresním mo- delu pro panelová data, konkrétně v kontextu Fama-Frenchových modelů. Nejprve jsou tyto modely představeny a následně jsou rozvedeny principy testových statistik určených k identifikaci změny, které ústí ve statistiky adaptované na soubory s vysokým počtem jednotek v panelu a krátkým časovým rozsahem. Teoretické poznatky jsou následně apli- kovány v empirické části, která analyzuje data z evropských akciových trhů se zaměřením na období tržního šoku způsobeného pandemií COVID-19.