Finanční ekonometrie

BLOK 3

BUDOU DOPLNĚNA TŘI VIDEA, k nimž naleznete klíčový, podpůrný materiál v IS/Studijní materiály (programování prvních dvou videí si lze spustit přes vzdálenou plochu).

GMM odhady finančních ukazatelů mezi panely podniků

Co je to GMM model?

  • Řeší problém endogenity mezi regresory na pravé straně regresní rovnice. Vystupuje zde jednak zpožděná vysvětlovaná proměnná, která je endogenní již z podstaty modelu. Tato proměnná musí být významná, jinak model GMM nemá své opodstatnění. Navíc, regresory nemusejí být striktně exogenní díky nutnosti užití instrumentálních proměnných, bez kterých by nebyly v modelu významné.
  • Dynamický panel (chybějící data v časové řadě), ani krátká časová řada dat v panelu min. čtyř sledování, a díky tomu vyvstávající problém heteroskedasticity rezuduí nejsou pro tuto metodu problémem.
  • Je však nutno splnit podmínky Arellano-Bond testu pro autokorelovanost rezidální složky napříč panely. Dále, Sargan-Hansen test a přijetí hypotézy o naplnění podmínek z hlediska předimenzování modelu nestačí. Pakliže přijmu, je nutné zamítnout poddimenzování modelu GMM.

POSLEDNÍ DVĚ VIDEA KE ZKOUŠCE:

Pochopili jste úvodní video k heterogenním Difference-in-Differences modelům, výše ?? Tak schválně, následující obrázek znázorňuje vizualizaci odhadů heterogenních dopadů zavedení měny EUR na paritu kupní síly USD. Jsou z ekonometrického hlediska odhadované efekty od roku 2002 relevantní?


Před intervencí v podobě zavedení měny EUR v roce 2002, ex ante sledujeme, že se vyskytuje, byť i minimální, statisticky významná odchylka. Celou analýzu je nezbytné podrobit diagnostice. Pokud se jedná o jev statisticky významný, následující odhady ex post, tj. po 2002 a zavedení měny EUR, jsou irelevantní. 

VŽDY je zásadní prokázat přítomnost předchozího lineárního trendu (sledované kohorty jsou si podobné, lze je srovnat) + vyloučit předchozí efekt následného očekávání (no anticipation effect).

Chápeme Heterogenní Difference-in-DifferencesUmíte tak ke zkoušce interpretovat následující graf odhadů odlišností v heterogenních dopadech pandemie nemoci COVID-19 směrem na rentabilitu podniků hned ve třech kohortách...

Odlišné dopady na vysvětlovanou proměnnou v podobě rentability (Y), lze hodnotit takto (zleva):

  1. Vysvětlovaná proměnná Y je u první kohorty významně nižšší, navíc, lze s vysokou pravděpodobností sledovat dopad kontinuální vysvětlované proměnné X, kdy se tento heterogenní rozdíl Y oproti kontrolní skupině podniků v čase významně změnšuje (hranice nula). Sledujeme, že fixní efekty v čase (2020+2021) mají smysl.
  2.  Druhá kohorta sice zaznamenala statisticky významný rozdíl Y, opět negativní dopad, avšak nelze argumentovat, že kontrolní proměnná X je jedním z významných faktorů pro snižování rozdílu Y oproti kontrolní skupině podniků (intervaly spolehlivosti odhadů rozdílů se v letech 2021/2022 blíží k nule).
  3. Třetí kohorta je však z hlediska dopadů na Y obdobná kohortě první, kdy můžeme díky odlišným fixním efektům v čase (zpožděný dopad pandemie směrem na likviditu, ryze 2021) vidět od roku výrazný pozitivní šok, co do negativní diference Y oproti kontrolní skupině. Dodavatelský úvěr X lze proto u první a třetí kohorty vnímat, jako efektivní nástroj ke snížení dopadů na rentabilitu Y pro dané průmyslové odvětví v období krize.