Fama & French Five-Factor Model - Suitability for developed markets compared to emerging markets : Statistical research over a ten-year period from 2015 to 2024
Jaakola, Joona (2025-05-26)
Fama & French Five-Factor Model - Suitability for developed markets compared to emerging markets : Statistical research over a ten-year period from 2015 to 2024
Jaakola, Joona
(26.05.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025060358881
https://urn.fi/URN:NBN:fi-fe2025060358881
Tiivistelmä
The search for comprehensive well rounded asset pricing model has long been task for economist and researchers in the field. The Fama & French three- and five-factor models are prominent attempts to capture the key drivers of asset returns. The models are formed using factors that have been found to be relevant for explaining asset returns. The original Fama & French three-factor model uses factors that are excess market return, size and value. The five-factor model implements two additional factors that have been found to be relevant for explaining returns as well. These two factors are operating profitability and investment. Prior studies have found that additional two factors have improved models’ explanatory power over returns. The model was originally developed in the U.S financial markets so its capability of explaining returns there is well researched. Less well known is how the model performs in different market regions such as emerging markets. Emerging markets have every day more prominent role in world economy and for this reason understanding models’ suitability in different markets is essential for accurate asset pricing. Financial markets aren’t completely similar, they have their own characteristics and factors that determine asset returns.
This thesis uses factor and portfolio data covering years 2015–2024. There are 18 developed and 18 emerging market portfolios sorted and formed based on factors. Thesis uses quantitative methods such as OLS-regression analysis for examining statistical significance through p-values, alphas, factor coefficients and adjusted R2 to determine models’ capabilities explaining excess returns. Another method named GRS-test (Gibbons & Ross & Shanken, 1989) that is used focuses particularly in measuring statistical significance of intercepts. These statistical tests allow to take a closer look at what factors are most significant drivers of excess returns and which ones may be redundant for individual portfolio groups during the measured period. By this is possible to reveal key factors for explaining excess returns and main characteristics of each market and better understand five-factor models’ suitability.
The results reveal diverse and interesting insights. Market factor is constantly significant implying high importance of determining excess returns on both markets. In contrast the other factors vary much depending especially on the portfolios. Still the factors are consistently significant in portfolios that were sorted using that specific factor on both markets. The adjusted R2 reveals strong capabilities of used factors explaining variation of dependent variable excess returns. Model marginally presents higher adjusted R2 for developed markets indicating smaller amount of noise within. The alphas are moderate indicating that most of the excess returns are well captured by the factors. Developed market excess returns here are better explained due to smaller number of significant alphas. Alphas are as well marginally lower in developed markets. Corresponding results are visible in GRS-test as the GRS-statistics are notably lower with higher p-values for developed markets indicating smaller significant alphas. Regardless of accepting the alternative hypothesis of statistically significant alphas that differ from zero in both markets, the model provides better explanatory power over excess returns in developed markets. By these results it is possible to confirm slightly better overall model suitability in developed markets.
For the future, more especially region focused research is required to better understand region or country specific characteristics and key drivers of asset returns in developed and emerging financial markets to polish and further develop the models. Well-functioning and accurate asset pricing models are essential in the fast-evolving world of financial markets for efficient capital allocation, to support information-based investment decisions and strengthen the overall efficiency and stability of global financial markets. Kattavan hinnoittelumallin etsintä on ollut pitkään taloustieteilijöiden ja alan tutkijoiden keskeinen tehtävänä. Fama & Frenchin kolme- ja viisifaktorimallit ovat merkittäviä yrityksiä pyrkiä tunnistamaan omaisuuserien keskeiset hinnoittelun ajurit. Mallit on muodostettu faktoreista, joiden on havaittu olevan relevantteja tuottojen selittämisessä. Alkuperäinen Fama & Frenchin kolmefaktorimalli käyttää faktoreita, jotka ovat markkiriski, koko ja arvostus. Viisifaktorimalli sisältää lisäksi kaksi uutta faktoria eli kannattavuuden ja investoinnit, joiden on osoitettu olevan oleellisia tuottojen selittämisessä. Malli kehitettiin alun perin Yhdysvaltojen rahoitusmarkkinoilla ja sen soveltuvuutta kyseisillä markkinoilla on tutkittu kattavasti. Sen sijaan mallin selitysvoima muilla markkinoilla, kuten kehittyvillä markkinoilla, tunnetaan huonommin. Kehittyvät markkinat ovat jatkuvasti yhä tärkeämpi osa kansainvälistä rahoitusjärjestelmää ja siksi mallin soveltuvuuden ymmärtäminen eri markkinoille on keskeistä tehokkaan hinnoittelun kannalta. Rahoitusmarkkinat eivät ole keskenään täysin samanlaisia, vaan niillä on tuottoihin vaikuttavat omat erityispiirteensä ja keskeiset tekijät.
Tässä tutkielmassa hyödynnetään faktori- ja portfoliodataa vuosilta 2015–2024. Tarkastelussa on 18 kehittyneiden ja 18 kehittyvien markkinoiden portfoliota, jotka on lajiteltu ja muodostettu faktorien mukaan. Tutkielmassa käytetään kvantitatiivisia menetelmiä, kuten PNS-regressioanalyysiä, jolla tarkastellaan p-arvojen avulla kertoimien tilastollista merkitsevyyttä sekä alfojen, faktorikertoimien ja korjatun R2 avulla mallin selitysvoimaa ylituottojen suhteen. Lisäksi käytetään GRS-testiä (Gibbons & Ross & Shanken, 1989), joka keskittyy erityisesti alfojen tilastollisen merkitsevyyden arviointiin. Näiden tilastollisten testien avulla voidaan tarkastella tärkeimpiä faktoreja ylituottojen selittämisen kannalta sekä havaita, jos jotkin faktorit ovat merkityksettömiä yksittäisten portfolioryhmien ylituottojen selittämisen suhteen tarkastelujaksolla. Tämän avulla voidaan tunnistaa kunkin markkinan keskeiset faktorit ja ominaispiirteet sekä syventää ymmärrystä viisifaktorimallin soveltuvuudesta eri markkina-alueille.
Tulokset paljastavat monipuolisia ja kiinnostavia havaintoja. Markkinafaktori on johdonmukaisesti tilastollisesti merkitsevä, joka viittaa sen tärkeään rooliin ylituottojen selittämisessä molemmilla markkinoilla. Sen sijaan muiden faktorien merkitys vaihtelee huomattavasti erityisesti portfolioiden mukaan. Faktorit ovat kuitenkin säännönmukaisesti tilastollisesti merkitseviä molemmilla markkinoilla niissä portfolioissa, joiden lajitteluperusteena niitä on käytetty. Korjatut R2-arvot osoittavat vahvaa selitysvoimaa käytettyjen faktorien osalta riippuvan muuttujan eli ylituottojen vaihtelun selittämisessä. Malli antaa hieman korkeampia korjatun selitysasteen arvoja kehittyneillä markkinoilla, mikä viittaa vähäisempään kohinaan. Alfat ovat maltillisia, mikä taas viittaa siihen, että suurin osa ylituotoista on hyvin selitettävissä faktorien avulla. Kehittyneiden markkinoiden ylituotot ovat hieman paremmin selitettyjä, mikä johtuu pienemmästä määrästä tilastollisesti merkitseviä alfoja. Alfat ovat myös hieman matalampia kehittyneillä markkinoilla. GRS-testin tulokset tukevat näitä havaintoja. GRS-tilastot ovat selvästi matalampia ja p-arvot korkeampia kehittyneillä markkinoilla, viitaten pienempiin alfoihin. Vaikka vaihtoehtoinen hypoteesi alfojen nollasta poikkeavuudesta hyväksytään molemmilla markkinoilla, mallin selitysvoima ylituottojen suhteen on parempi kehittyneillä markkinoilla. Näiden tulosten perusteella voidaan todeta, että malli soveltuu hieman paremmin kehittyneille markkinoille.
Tulevaisuudessa tarkemmin yksittäisille alueille keskittyvä tutkimus on tärkeää, jotta voidaan syvällisemmin ymmärtää kehittyneiden ja kehittyvien markkinoiden alue- ja maakohtaisia erityispiirteitä sekä ylituottojen keskeisiä tekijöitä. Ymmärrys on keskeistä hinnoittelumallien hiomiseksi ja edelleen kehittämiseksi. Toimivat ja tarkat hinnoittelumallit ovat olennaisia nopeasti kehittyvillä rahoitusmarkkinoilla tehokkaan pääoman kohdentamisen, informaatioon perustuvien sijoituspäätösten sekä kansainvälisten rahoitusjärjestelmien tehokkuuden ja vakauden vahvistumisen kannalta.
This thesis uses factor and portfolio data covering years 2015–2024. There are 18 developed and 18 emerging market portfolios sorted and formed based on factors. Thesis uses quantitative methods such as OLS-regression analysis for examining statistical significance through p-values, alphas, factor coefficients and adjusted R2 to determine models’ capabilities explaining excess returns. Another method named GRS-test (Gibbons & Ross & Shanken, 1989) that is used focuses particularly in measuring statistical significance of intercepts. These statistical tests allow to take a closer look at what factors are most significant drivers of excess returns and which ones may be redundant for individual portfolio groups during the measured period. By this is possible to reveal key factors for explaining excess returns and main characteristics of each market and better understand five-factor models’ suitability.
The results reveal diverse and interesting insights. Market factor is constantly significant implying high importance of determining excess returns on both markets. In contrast the other factors vary much depending especially on the portfolios. Still the factors are consistently significant in portfolios that were sorted using that specific factor on both markets. The adjusted R2 reveals strong capabilities of used factors explaining variation of dependent variable excess returns. Model marginally presents higher adjusted R2 for developed markets indicating smaller amount of noise within. The alphas are moderate indicating that most of the excess returns are well captured by the factors. Developed market excess returns here are better explained due to smaller number of significant alphas. Alphas are as well marginally lower in developed markets. Corresponding results are visible in GRS-test as the GRS-statistics are notably lower with higher p-values for developed markets indicating smaller significant alphas. Regardless of accepting the alternative hypothesis of statistically significant alphas that differ from zero in both markets, the model provides better explanatory power over excess returns in developed markets. By these results it is possible to confirm slightly better overall model suitability in developed markets.
For the future, more especially region focused research is required to better understand region or country specific characteristics and key drivers of asset returns in developed and emerging financial markets to polish and further develop the models. Well-functioning and accurate asset pricing models are essential in the fast-evolving world of financial markets for efficient capital allocation, to support information-based investment decisions and strengthen the overall efficiency and stability of global financial markets.
Tässä tutkielmassa hyödynnetään faktori- ja portfoliodataa vuosilta 2015–2024. Tarkastelussa on 18 kehittyneiden ja 18 kehittyvien markkinoiden portfoliota, jotka on lajiteltu ja muodostettu faktorien mukaan. Tutkielmassa käytetään kvantitatiivisia menetelmiä, kuten PNS-regressioanalyysiä, jolla tarkastellaan p-arvojen avulla kertoimien tilastollista merkitsevyyttä sekä alfojen, faktorikertoimien ja korjatun R2 avulla mallin selitysvoimaa ylituottojen suhteen. Lisäksi käytetään GRS-testiä (Gibbons & Ross & Shanken, 1989), joka keskittyy erityisesti alfojen tilastollisen merkitsevyyden arviointiin. Näiden tilastollisten testien avulla voidaan tarkastella tärkeimpiä faktoreja ylituottojen selittämisen kannalta sekä havaita, jos jotkin faktorit ovat merkityksettömiä yksittäisten portfolioryhmien ylituottojen selittämisen suhteen tarkastelujaksolla. Tämän avulla voidaan tunnistaa kunkin markkinan keskeiset faktorit ja ominaispiirteet sekä syventää ymmärrystä viisifaktorimallin soveltuvuudesta eri markkina-alueille.
Tulokset paljastavat monipuolisia ja kiinnostavia havaintoja. Markkinafaktori on johdonmukaisesti tilastollisesti merkitsevä, joka viittaa sen tärkeään rooliin ylituottojen selittämisessä molemmilla markkinoilla. Sen sijaan muiden faktorien merkitys vaihtelee huomattavasti erityisesti portfolioiden mukaan. Faktorit ovat kuitenkin säännönmukaisesti tilastollisesti merkitseviä molemmilla markkinoilla niissä portfolioissa, joiden lajitteluperusteena niitä on käytetty. Korjatut R2-arvot osoittavat vahvaa selitysvoimaa käytettyjen faktorien osalta riippuvan muuttujan eli ylituottojen vaihtelun selittämisessä. Malli antaa hieman korkeampia korjatun selitysasteen arvoja kehittyneillä markkinoilla, mikä viittaa vähäisempään kohinaan. Alfat ovat maltillisia, mikä taas viittaa siihen, että suurin osa ylituotoista on hyvin selitettävissä faktorien avulla. Kehittyneiden markkinoiden ylituotot ovat hieman paremmin selitettyjä, mikä johtuu pienemmästä määrästä tilastollisesti merkitseviä alfoja. Alfat ovat myös hieman matalampia kehittyneillä markkinoilla. GRS-testin tulokset tukevat näitä havaintoja. GRS-tilastot ovat selvästi matalampia ja p-arvot korkeampia kehittyneillä markkinoilla, viitaten pienempiin alfoihin. Vaikka vaihtoehtoinen hypoteesi alfojen nollasta poikkeavuudesta hyväksytään molemmilla markkinoilla, mallin selitysvoima ylituottojen suhteen on parempi kehittyneillä markkinoilla. Näiden tulosten perusteella voidaan todeta, että malli soveltuu hieman paremmin kehittyneille markkinoille.
Tulevaisuudessa tarkemmin yksittäisille alueille keskittyvä tutkimus on tärkeää, jotta voidaan syvällisemmin ymmärtää kehittyneiden ja kehittyvien markkinoiden alue- ja maakohtaisia erityispiirteitä sekä ylituottojen keskeisiä tekijöitä. Ymmärrys on keskeistä hinnoittelumallien hiomiseksi ja edelleen kehittämiseksi. Toimivat ja tarkat hinnoittelumallit ovat olennaisia nopeasti kehittyvillä rahoitusmarkkinoilla tehokkaan pääoman kohdentamisen, informaatioon perustuvien sijoituspäätösten sekä kansainvälisten rahoitusjärjestelmien tehokkuuden ja vakauden vahvistumisen kannalta.