ITEM METADATA RECORD
Title: The Structure of International Stock Returns: Size, Country and Sector Effects in Capital Asset Pricing
Other Titles: The Structure of International Stock Returns: Size, Country and Sector Effects in Capital Asset Pricing.
Authors: De Moor, Lieven
Issue Date: 20-May-2005
Abstract: Deze dissertatie onderzoekt de grootte-, landen- en sectoreffecten in de structuur van internationale aandeelrendementen en de implicaties van d eze effecten voor het prijzen van aandelen. In Hoofdstuk 1, beschrijven we de constructie van een nieuwe internationale aandelendatabank met bet rouwbare gegevens over kleine bedrijven, interestvoeten en wisselkoersen beschreven. De databank kent geen “survivorship” en “size” vertekening en bevat aandelen, interestvoeten en wisselkoersen van 39 landen, zowel ontwikkelde als ontwikkelingslanden, van 1980 tot 2000. In Hoofdstuk 2 repliceren we de Fama-French CAPM test en tonen we aan da t sommige randvoorwaarden van de test een significante invloed kunnen he bben op de testresultaten (bijv. de vernieuwingsfrequentie van portefeui lles). Cruciaal zijn de aspecten gerelateerd tot het gewicht dat gegeven wordt aan kleine, onbekende aandelen bij de constructie van de factorpo rtefeuilles en de test- of stijlportefeuilles wiens rendementen verklaar d dienen te worden. (Met “stijl” bedoelt men een specialisatie in bijvoo rbeeld kleine aandelen of groeiaandelen.) Wij tonen aan dat het standaar d Fama-French CAPM er niet in slaagt de cross-sectie van aandeelrendemen ten te verklaren in aanwezigheid van kleine aandelen. Om de geobserveerd e rendementen te modelleren, hebben we de “size”- en “distress” factorpo rtefeuilles moeten herstructureren naar elk twee factorportefeuilles, éé n voor extreem kleine of probleemaandelen relatief tot niet-extreme aand elen, en één voor modaal kleine of probleemaandelen versus grote of groe ibedrijven. Dit alternatief zesfactor model kan beter de rendementen ver klaren op stijlportefeuilles die gespecialiseerd zijn op basis van grootte, boek-tot-markt ratio en korte-termijn prestaties en twee-dimen sionele stijlportefeuilles, zowel in de VS als internationaal, verklaren dan het standaard vierfactor model met factorportefeuilles geconstrueer d volgens Fama en French (1992, 1993, 1995, 1996a, 1996b, 1998, 2000), C arhart (1997), Jegadeesh and Titman (1993) en Rouwenhorst (1999). Met an dere woorden, het alternatieve zesfactor model genereert alfa’s dichter bij nul dan het standaard vierfactor model. In Hoofdstuk 3 nemen we de Heston-Rouwenhorst (HR) methodologie en de re latieve belangrijkheid van landen- en sectoreffecten in internationale a andeelrendementen onder de loep. We hanteren de HR-procedure om de werel d-, landen-, en sectorfactoren te schatten en onderzoeken de robuustheid van deze procedure in relatie tot de tijdsperiode, de beschouwde landen en aandelengroottes, de sectorclassificatie en wegingschema’s. We tonen aan dat de gemiddelde landspecifieke volatiliteit in internationale aan deelrendementen groter is dan de gemiddelde sectorspecifieke variabilite it en de variabiliteit van de wereldfactor, ongeacht de test-opzet. Het relatieve verschil varieert echter aanzienlijk afhankelijk van de test-o pzet. Vooral de landspecifieke volatiliteit kan verhoogd worden door ook ontwikkelingslanden op te nemen in de dataset. We bekijken de invloed v an de grootte van de aandelen van naderbij en vinden waarom de variabili teit van de landenfactor stijgt ten opzichte van de variabiliteit van de sectorfactor indien ook kleine aandelen aan de dataset worden toegevoeg d: deze aandelen zijn significant variabeler dan grote aandelen ook wann eer we controleren voor landen- en sectoreffecten, en zij zijn significa nt minder gevoelig ten opzichte van hun globale sectorindex. Naast deze data-gerelateerde aspecten, beschouwen we ook methodologische aspecten. Als men wil weten welke factor de grootste impact heeft op he t rendement van een lukraak gekozen aandeel, dan is de HR-procedure niet meer aan te bevelen aangezien dan ook de gevoeligheden ten opzichte van die factoren belangrijk worden, indien de verdeling van de gevoelighede n ten opzichte van de wereld-, landen- en sectorfactoren niet gelijk zij n overheen alle aandelen, hetgeen statistisch aangetoond word. Met ander e woorden, een onderzoek naar var(γκ) in plaats naar var(&#954 ;) is aan te bevelen. Daarom veralgemenen we de HR-procedure in de geest van Fama-MacBeth om ook de factorgevoeligheden te schatten. Een nieuwe complicatie is dat een deel van de geschatte factor-gegenereerde variabi liteit var(γκ) te wijten is aan schattingsfouten en de variabi liteit van de gevoeligheden behoeft dan ook een correctie daarvoor, zoni et kan var(γκ) nog steeds de verkeerde rangschikking geven. De correctie voor schattingsfouten in de variabiliteit van de gevoelighede n maakt het verschil tussen de landspecifieke variabiliteit en de sector specifieke variabiliteit nog groter. Een ander aandachtspunt van de HR-methodologie is de mate waarin de vari abiliteit van een landindex kan verklaard worden door zijn specifieke se ctoriële compositie en in welke mate de variabiliteit van een sectorinde x kan verklaard worden door zijn specifieke geografische spreiding. Opni euw onderzoeken we de robuustheid van de HR-methodologie in dit verband. Wij vinden dat, gemiddeld gezien, landspecifieke effecten een groter de el van de variabiliteit van een sectorindex kunnen verklaren dan dat een landindex kan verklaard worden door sectorspecifieke effecten, behalve in het geval waar ook ontwikkelingslanden worden beschouwd: dan wordt he t resultaat omgekeerd. We tonen ten laatste ook aan dat indien de gemiddelde landspecifieke var iabiliteit groter is dan de gemiddelde sectorspecifieke variabiliteit, d iversificatie tussen landen niet noodzakelijk een beter optie is om risi co te reduceren dan diversifiëren tussen sectoren. Wereldwijde risicodiv ersificatie heeft te maken met covarianties, niet met varianties of vari antie componenten alleen en de HR-methodologie vertelt ons niets over de correlaties tussen sectoren en landen. We illustreren dat diversificati e over sectoren heen betere gemiddelde-variantie combinaties kan generer en dan diversificatie over landen. In het laatste Hoofdstuk 4, onderlijnen we de belangrijkheid van sector- en landspecifieke effecten in internationale aandeelrendementen door aa n te tonen dat de beschikbare CAPMs niet in staat zijn om de cross-secti e van sector- en landindexen te verklaren. We ontwikkelen en passen ook een nieuwe methodologie toe, die bij het testen van verschillende kandid aat-CAPMs, rekening houdt met het feit dat een model statistisch aanvaar dbaar kan lijken gewoon omdat de standaardfout van zijn test-coëfficiënt hoog is. We leggen de lat gelijk door aan modellen met een kleinere sta ndaardfout ruis toe te voegen zodat de standaardfouten geëgaliseerd word en. Door deze procedure toe te passen, tonen we aan dat de superioriteit van het alternatieve (internationale) model ten opzichte van de traditi onele (internationale) modellen in het verklaren van de klassieke anomal ieën en land- en sector indices, voor het grootste deel kan toegeschreve n worden aan een lagere precisie van het model. Alleen behalve voor de “ size” anomalie is deze factor niet doorslaggevend.
Table of Contents: DOCTORAL COMMISSION I
ACKNOWLEDGMENTS III
CONTENTS V
LIST OF TABLES XI
LIST OF FIGURES XV
GENERAL INTRODUCTION 17
Introduction 17
Famous CAPM-Related Literature 18
Outline 24
CHAPTER 1 DATA DESCRIPTION: A NEW DATABASE 27
1.1 International Equity Database 27
1.1.1 Cleaning country-by-country 28
1.1.2 Cleaning the global merged equity-list 29
1.1.2.1 International cleaning 29
1.1.2.2 Eliminating XETRA(xet) and SEAQ(xsq)quotes 29
1.1.2.3 Eliminating most funds and trusts 30
1.1.2.4 Eliminating EASDAQ dual-listings 30
1.1.2.5 Eliminating identical firms 30
1.1.2.6 Eliminating some sectors 31
1.1.2.7 Some more abbreviations explained and eliminated 31
1.1.2.8 Special case: expired quotes 31
1.1.3 Security guarantee 31
1.2 Reliable Data 32
1.3 Interest and Exchange Rates 34
1.4 Descriptive Statistics 35
Appendix 1.A: Internationally valid abbreviations: elimination triggers 41
Appendix 1.B: Country specific abbreviations 42
Appendix 1.C: Abbreviations of different types of preferred share and some derivative quotes 45
Appendix 1.D: Exchange rates: exceptions 46
Appendix 1.E: Interest rates: exceptions 47
CHAPTER 2 CAPM TESTS AND ALTERNATIVE FACTOR PORTFOLIO COMPOSITION 49
2.1 Introduction 49
2.2 The Fama-French Model and the Small-Firm Anomaly Revisited 50
2.2.1 Data 50
2.2.2 Fama-French replication 51
2.2.3 The impact of tangential design variations relative to FF 53
2.2.4 Increasing the coverage and weight for small firms in FF 54
2.3 Identifying the Missing Factors: US Data 58
2.3.1 One-dimensionally sorted portfolios: the role of size revisited 59
2.3.2 Two-dimensionally sorted portfolios 63
2.3.3 In search of optimal factor portfolios 64
2.3.3.1 A second size factor 66
2.3.3.2 A second distress factor 67
2.3.3.3 A modified momentum factor 68
2.3.4 Tests of the proposed factor specification 69
2.3.4.1 The pricing of one-dimensional test portfolios 70
2.3.4.2 The pricing of two-dimensional test portfolios 71
2.3.4.3 Out-of-sample tests 72
2.3.5 Conclusion 74
2.4 International Validation 74
2.4.1 Results for size, distress, and momentum test portfolios 78
2.4.2 Results for two-dimensional test portfolios 81
2.4.3 Impact US on international CAPM 84
2.4.3.1 One-dimensional test portfolios 85
2.4.3.2 Two-dimensional test portfolios 86
2.5 Conclusion 89
CHAPTER 3 COUNTRY AND SECTOR EFFECTS IN INTERNATIONAL STOCK RETURNS: THE HESTON-ROUWENHORST METHODOLOGY REVISITED 93
3.1 Introduction 94
3.2 Test Design Issues 97
3.2.1 What does variance analysis buy us? 97
3.2.2 Constrained or confirmatory factor analysis 100
3.2.3 What does the HR-methodology buy us? 101
3.2.4 Research questions 102
3.2.4.1 The effects of sample selection 102
3.2.4.2 The role of exposures 102
3.3 Empirical Results 103
3.3.1 Data 103
3.3.2 The behavior of small firms 104
3.3.2.1 Fact 1: Small-cap stocks are more volatile than large-cap stocks 104
3.3.2.2 Fact 2: Small stocks have weak world-sector affinities 105
3.3.3 Robustness of the HR methodology 106
3.3.3.1 Base case 106
3.3.3.2 Robustness of the HR-methodology 109
3.3.4 HR-methodology and risk diversification: mean-variance portfolio frontiers and spanning tests 114
3.4 Conclusion 121
Appendix 3.A: Decomposing var(γκ) 123
Appendix 3.B: Time Period: OECD, 80%, Level-3, 1980-1989, WLS: #shares, restrictions weights: #shares; equally weighted index returns 124
Appendix 3.C: Time Period: OECD, 80%, Level-3, 1990-1994, WLS: #shares, restrictions weights: #shares; equally weighted index returns 125
Appendix 3.D: Time Period: OECD, 80%, Level-3, 1995-1999, WLS: #shares, restrictions weights: #shares; equally weighted index returns 126
Appendix 3.E: Country Coverage: G7, 80%, Level-3, 1990-1999, WLS: #shares, restrictions weights: #shares; equally weighted index returns 127
Appendix 3.F: Country Coverage: ALL, 80%, Level-3, 1992-1999, WLS: #shares, restrictions weights: #shares; equally weighted index returns 128
Appendix 3.G: Sector Classification: OECD, 80%, Level-4, 1990-1999, WLS: #shares, restrictions weights: #shares; equally weighted index returns 130
Appendix 3.H: Size Coverage: OECD, 100%, Level-3, 1990-1999, WLS: #shares, restrictions weights: #shares; equally weighted index returns 132
Appendix 3.I: Value-Weighting: OECD, 80%, Level-3, 1990-1999, WLS: marketcaps, restrictions weights: marketcaps; value weighted index returns 133
Appendix 3.J: OLS: OECD, 80%, Level-3, 1990-1999, OLS, restrictions weights: #indices; equally weighted index returns 134
Appendix 3.K: Re-estimated factors, exposures and estimation corrected for error 135
Appendix 3.L: Variability and sector exposure: small- and large-caps compared 136
Appendix 3.M: The strength of the sector affiliation, small- vs. large-caps 137
Appendix 3.N: Correlation between Heston-Rouwenhorst and Fama-MacBeth factors 139
Appendix 3.O: Heston-Rouwenhorst vs. Fama-MacBeth factor variances 140
CHAPTER 4 CAPM AND COUNTRY AND SECTOR EFFECTS 141
4.1 CAPM Fails to Explain Country and Sector Indices 141
4.1.1 US study: sector-sorted portfolios 143
4.1.2 International study: sector and country sorted-portfolios 144
4.1.3 Interim conclusion 146
4.2 Different CAPMs: A Fair Game? 147
4.2.1 Theoretical exposition 147
4.2.2 Empirical exposition: classic anomalies and country and sector effects 149
4.2.2.1 US evidence 149
4.2.2.2 International evidence 152
4.3 Conclusion 157
GENERAL CONCLUSION 159
REFERENCES 161
LIST OF DOCTORAL DISSERTATIONS 165
Publication status: published
KU Leuven publication type: TH
Appears in Collections:Research Center International Finance, Leuven
Research Centre for Finance, Accountancy & Tax, Campus Brussels (-)
Faculty of Economics and Business (FEB) - miscellaneous

Files in This Item:
File Description Status SizeFormat
Cover PhD Lieven De Moor.pdf Published 101KbAdobe PDFView/Open
Text PhD Lieven De Moor.pdf Published 1168KbAdobe PDFView/Open

 


All items in Lirias are protected by copyright, with all rights reserved.