ESTIMATION OF HIERARCHICAL FACTOR MODELS: AN APPLICATION TO THE U.S. STOCK EXCHANGE

The topic I decided to focus on my final dissertation concern hierarchical factor models. In particular, I was inspired by Jushan Bai and Tomohiro Ando' work, "Asset pricing with general multifactor structure". The articale was published in 2015 and it represent an important, theoretical and empirical, contribution to the literature of multifactor models. Its originality, in fact, is enclosed on the development of a new model able to admit and efficntly estimate both observable risk factors and unobservable pervasive factors. The first ones represent any available information on the market. They are common to the whole economic sistem such as macroeconomic variables, exchange rates and commodity prices, and firms' specific information for example market mltiples. To these it must be added an unobservable component, which is unknown as the terminology calls for, in which, again, the common part is separate from the specific one. In this case, the specific factors are group-specific in the sense that they hit all comapanies in a set that could be a sector for example. The final goal is that of estimate both components and to determine the number of involved unobservable pervasive factors.\ With this purpose, the first chapter introduces the literature related to these models, while the second one defines the Bai and Ando model (2015) which I applied to the data described in the third one. The final chapter presents the obtained results. To conclude, in the appendix there is indicated the Matlab code used in the application.

L'argomento che ho deciso di trattare nella mia tesi finale riguarda i modelli fattoriali gerarchici. Nel dettaglio il lavoro svolto è ispirato all'articolo "Asset pricing with general multifactor structure" e pubblicato nel 2015 dagli economisti Jushan Bai e Tomohiro Ando. Esso rappresenta un'importante contributo alla letteratura dei modelli fattoriali, non solo dal punto di vista teorico ma anche empirico. La sua originalità, infatti, è racchiusa nello sviluppo di un nuovo modello che accoglie e stima in maniera consistente sia fattori di rischio osservabili che fattori di rischio non osservabili. I primi rappresentano qualunque tipo di informazione presente sul mercato sia comune a tutto il sistema economico, come le variabili macroeconomiche, variazioni dei tassi di cambio o del prezzo delle materie prime, che specifiche alle imprese ad esempio i multipli. A questi fattori va aggiunta una componente non osservabile, che come suggerito dal nome è sconosciuta, distinta a sua volta in fattori specifici e comuni. In questo caso però i fattori specifici non sono relativi alle aziende ma sono di gruppo, nel senso che colpiscono tutte le aziende appartenenti a uno stesso insieme come un settore. L'obiettivo finale è quindi quello di stimare entrambe le parti e determinare il numero di fattori non osservabili comuni e specifici coinvolti.\ Ho perciò inquadrato l'argomento partendo dalle origini di questi modelli e dei successivi sviluppi, nel primo capitolo, per poi passare, nel secondo capitolo, alla descrizione del modello di Bai e Ando (2015), che ho successivamente applicato ai dati descritti nel terso capitolo. I risultati sono riportati e spiegati nel capitolo conclusivo. Infine l'appendice elenca il codice Matlab utilizzato nell'applicazione.