Estimar e avaliar modelos de Asset Pricing não é uma tarefa elementar. Os resultados obtidos dependem do método utilizado, das hipóteses que são tomadas, nos dados usados, etc. Apesar dos esforços para se encontrar estatísticas precisas, não existe consenso em relação ao método que deve ser usado para testar os modelos, que ajustes são necessários aplicar a esse método, que dados devem ser utilizados, entre outras coisas. Esta tese ajuda a mostrar que diferentes métodos podem levar a conclusões consideravelmente diferentes no que aos modelos testados/avaliados diz respeito. Apesar de alguma evidência a favor dos tradicionais métodos de regressão OLS e GLS, em especial quando se trata de estimar o prémio de risco, não é possível dizer que este é o melhor método, ou muito menos que é perfeito. A aceitação do CAPM ou do FF3 depende fortemente do método e dos dados usados, o que significa que ambos são rejeitados com a mesma facilidade com que são aceites. No entanto, devido à potência relativamente baixa dos testes multivariados, é expectável que os modelos sejam rejeitados bastante menos vezes do que seria suposto. Parece também não haver uma performance significativamente melhor de um dos modelos em relação ao outro.

Estimating and testing asset pricing models is not a straightforward task. Results depend on the method used, on the assumptions made, on the data used, etc. Despite all efforts to find the most accurate statistics, there is not a consensus on which method to use to test the models, which adjustments those methods need, which data shall be employed, among other issues. I have helped to show that different methods can lead to quite different conclusions regarding the estimated/evaluated models. Despite some evidence in favour of traditional OLS and GLS cross-sectional regressions, especially concerning estimation, it cannot be said that this model is the best one and it is far from being perfect. The acceptance of the CAPM and FF3 models heavily depends of the method and data used, i.e., they are accepted with the same easiness as they are rejected. As multivariate tests have quite low power, it is to expect that models are rejected much less frequently than they should be. Also, none of them seems to perform significantly better than the other.