Empirical finance.

...

Firm charateristics as stock return predictors

Data on the characteristics and returns of common stocks form a panel, and empirical models predicting returns from stock characteristics can be estimated using panel regression methods. a panel of stock returns has strong cross-sectional correlation arising from common shocks that move groups of stock returns together. The simple but powerful insight of Fama and MacBeth (1973) is that market efficiency, with constant expected returns over time, implies that stock returns are uncorrelated over time even though they are correlated across stocks at a given time. In modern panel regression terminology, the finance panel should cluster standard errors by time. Fama and MacBeth present a brilliantly simple way of doing this. They suggest estimating a sequence of cross-sectional regressions of stock returns on characteristics , this method is a way to estimate how observable firrm characteristics affect average stock returns.

From problem to opportunity

In the late 1970s, economists began to understand that the joint hypothesis problem could also be an opportunity. If a model of market equilibrium, together with the hypothesis of rational expectations, restricts the data by implying that abnormal returns are unpredictable then the unpredictability of abnormal returns can be used to estimate the unknown parameters of the model.

The general method of moment

GMM was originally designed as a solution to a classic problem in asset pricing: how can a consumption based model be estimated without making strong assumptions on the distribution of returns. GMM is an important econometric method for several reasons. It enables econometri-

cians to test economic models without having to take a stand on secondary features of the economic environment, in other words, without having to make auxiliary assumptions that would be needed to write down and maximize a likelihood function. GMM also avoids distributional assumptions on economic shocks, and makes it straightforward to handle nonlinear models.

The information in asset prices

Famas research uses predictive regressions to extract information in asset prices. In .Short-Term Interest Rates as Predictors of Infation. (Fama 1975) Predictors of In.ation. (Fama 1975) fama use dit The idea is extremely simple. Given an auxiliary asset pricing model the market.s forecast of future inflation can be extracted from the nominal interest rate, up to an unknown constant. If the market is efficient, then this forecast contains all publicly available information relevant for predicting future inflation. A regression of future infation on a constant and the nominal interest rate should have a coefficient of one on the nominal interest rate, and if additional variables such as lagged inflation rates are added to the regression, the coefficients on these variables should all be zero. Fama found that US data from 1953.71 were consistent with these predictions, although the result broke down shortly afterwards as the real interest rate became highly variable. The importance of Fama (1975) lies not in its conclusion, but in its method. The paper tests a model of interest-rate determination by using the interest rate not as the dependent variable in a regression, but as an explanatory variable.

Finance theory and return predictability

Sur base de notre stratégie a l’année 39 et des résultats qui en sont ressortis ainsi qu’après analyse du marché et des stratégies de nos conçurent nous avons constaté plusieurs menaces ainsi qu’opportunité.

Tout d’abord les chiffre semblait indiquer un ralentissement du marché avec une décroissance de vente pour la tranche age 22-35 à partir de l’année 42 selon les prévisions, une stagnation des vente pour les 6-21 représentant la plus grande par de consommation du marché cépandant nous avons rémarquer également une croissant significatif dans la consommation des + 36

Ensuite nous nous somme tourner vers une analyse des conçurent et nous avons remarqué que les parts de marché en unité étaient fort semblables entre les concurrents de l’ordre +/-25 % avec une domination des parts de marché en valeur de la part de shinny station avec 45 pourcent de revenue totale générer par le marché

Nous avons par après procédé à une analyse des besoin et habitude des consommateurs nous avons constaté qu en fonction de la segmentation 6-21 , 22-35 , 36+ les consommateur avait plus d’attraction pour yellow console , purple player , shinny station respectivement tandis que tout les groupe d’age presentaient un intérêt semblable pour notre produit red box cepandant nous avont egalement remarquer que les groupes 22-35 , 36+ représenter une grande partie de nos vente comparer à la contribution des +26 et que ces dernier font leurs achat via des reseau de distrbution low price contrairement au deux autre groupe d’age qui sont plus orienté vers les chaines spécialisé en eclectronique et jeux video respectivement.

Sur base de ces analyses nous avons décidé de changer plusieurs déterminant de notre stratégie pour l’année 41 à savoir l’offre, le positionnement ainsi que la segmentation et le marketing

Année 41

Offre : amélioration significatif des propriétés[1] propriété ayant le plus d’intérêt pour les segment client ayant le plus d’intérêt pour notre produit en vue de rencontré leur attente et ainsi que les performances des conçurent tout en proposant un prix inférieur à ces dernier (430). Nous avons également augmenté notre niveau de production espérant ventre plus que l’année précédente

Segmentation : réduction drastique de la part des 6-21 à 10% augmentation significatif pour les +36, 55% ainsi qu’une légère hausse de 2% pour les 22-35. Nous avons également augmenté nos dépense marketing en vue d’informer les consommateurs sur la nouvelle offre

Positionnement : réduction a 9 % dans les reseau low cost et forte augmentation de couverture dans les chaines spécialisées en électronique et jeux vidéo respectivement lieux fortement prisée par nos client cible et ayant un impact élever sur le niveau de nos ventes

Résultat de la stratégie :

- Chute de la part de marché global et augmentation des parts de marché dans les segments cible visée (+36, 22-35),

- Chute de 20% du cours de l’action ainsi que