Reading

Stata Guide to Accompany Introductory Econometrics for Finance (3rd edition), by Lisa Schopohl, Section 6. The guide can be downloaded for free at:

https://www.cambridge.org/files/8714/4378/3197/Stata_Guide_to_Accompany_ Introductory_Econometrics_for_Finance .pdf

Questions

You will Önd two Stata Öles ëMID40.dtaíand ëBP.dtaíon Canvas module site under  Week 4 programme. The Öle ëMID40.dtaícontains yearly data from 1960 to 2000 on:

. MID40 ñexcess returns on a portfolio selected as those stocks with the middle 40% of dividends;

. RM ñexcess returns on a ëmarketíportfolio;

.  SMB ñthe return of small company stocks minus that of big company stocks;

. HML ñthe return of the third most expensive stocks sorted by the market price/book value ratio minus the cheapest third.

The Öle ëBP.dtaícontains monthly data from January 1990 to December 2016 on excess returns on the FTSE All shares index and BP share price.

1.  Save both of these Öles to a folder on your drive.

2. Load the Öle ëMID40.dtaíin Stata

3. Declare the dataset as time-series data.

Hints:  The name of the time dimension index in the workÖle is "year" with the time series frequency being "yearly", hence we can run the following command:     tsset year, yearly

4. Estimate the 3 factor model:

MID40t  = a + 81 RMt + 82 SMBt + 83 HMLt + ∈t

Hints: We can estimate the regression by running the following:

regress MID40 RM SMB HML

(a)  Comment on the signiÖcance of the coe¢ cients.

(b)  Comment on the goodness of Öt of this regression.

(c)  Obtain a plot of the residuals for this regression. Comment ñdo there appear to be any outliers?

Hints:  Run the following command to save the residuals:  (name them as resid):

predict resid, residuals

Then to plot the residuals, one can type the following command: tsline resid

(d)  Obtain the Ötted values of MID40 and plot them against the corresponding actual values. Comment on the plot.

Hints: One can save the Ötted values of the dependent variable by running:

predict MID40Ötted, xb

Or, by running the command:

predict yhat

Then, one can plot the residuals, Ötted and actual values:

tsline resid MID40 MID40Ötted

(e) Test the signiÖcance of the regression.

Hints: One can use the F test to test the signiÖcance of the regression (where this is reported as part of estimation output). The test can also be conducted by running:

test (RM=0) (SMB=0) (HML=0)

(f) Test the hypothesis H0 : 81  = 1; 82  = 0 against H1 : 81    1 and/or 82   0 and brieáy comment.

Hints: Run the following command:

test (RM=1) (SMB=0)

5.  Clear the memory (use the command clear).

6. Load the Öle ëBP.dta í.

7. Declare the dataset as time-series data.

Hints:  The name of the time dimension index in the workÖle is "date" with the

time series frequency being "monthly", hence we can run the following command: tsset date, monthly

8. Test for the existence of an April e§ect in the excess returns of BP within the CAPM framework:

BPt  = a + 8FTSEt + ut

Hints: One can create a dummy variable which takes the value of 1 in April months, and 0 otherwise. To do so, we can run the following commands: