Documente Academic
Documente Profesional
Documente Cultură
Trabajo final
Testeo de hipótesis
Identificación
Instrucciones generales
Dispone hasta el día jueves a las 23:59 horas para cargar sus resultados en plataforma.
Utilice el mismo formato en el cual está escrito este documento para responder las
preguntas planteadas. Para el desarrollo de los ejercicios de cálculo, puede desarrollarlos
escritos en formato digital o puede adjuntar, dentro del mismo documento, fotografías o
escaner de su desarrollo en lapiz pasta negro o azul (excluyente). No se permiten copias
de trabajos, en dicho caso, todas las entregas iguales serán evaluadas con calificación
1.0. Los resultados estarán disponibles el día viernes antes del medio día en plataforma.
1. Robust estimation of systematic risk using the t distribution in the chilean stock markets
1.1 El paper indica, dentro de sus primeros párrafos, que el parámetro β se estima
usualmente a través del método de los Mínimos Cuadrados Ordinarios (MCO), el cual
coincide con el estimador de máxima verosimulitus (máximum likelihood estimator,
MLE) bajo una suposición de normalidad. Explique por qué debe realizarse esta
suposición de normalidad. Nota: Quizas quiera investigar los métodos descritos
anteriormente. (4 ptos.):
R: Ya que este estimador es sensible a la presencia de los datos atípicos, afirmar los
valores atípicos, los puntos de apalancamiento y los errores brutos pueden distorsionar la
estimación de beta que nos ayuda a medir el grado de variabilidad de la rentabilidad
promedio respecto al mercado.
El estimador Mínimos Cuadrados Ordinarios (MCO), siempre van a coincidir con el
estimador
de máxima verosimulitus (MLE), porque estadísticamente los dos son estimaciones y/o
métodos
para estimar parámetros poblacionales, sabiendo que mínimos cuadrados ordinarios es
un
modelo que se usa en la regresión lineal y minimiza la suma de las distancias verticales
entre
las respuestas observadas en las muestras de los modelos y el estimador de máxima
verosimulitis es un modelo que nos permite realizar inferencias acerca del valor a partir de
un
conjunto de observaciones.
1.2 El paper indica también que, para los procesos de inferencia, se supone que los
retornos accionarios de los mercados siguen una distribución normal (Elton & Gruber,
1995; Cambell et al., 1997), sin embargo, los métodos de cálculo (regresión por MCO)
son muy sensibles a los valores atípicos, que se dan especialmente en los mercados
latinoamericanos. ¿Qué recomendaría usted para el preprocesamiento de los datos y
eliminar la influencia de los valores atípicos? (4 ptos.)
1.3 Extraiga toda la información posible de los gráficos de la figura 1. Del paper
(Scatterplot de los rendimientos de mercado de las empresas Concha y Toro & Copec
v/s los rendimientos del IPSA). (4 ptos.):
R: Se observa en los gráficos algunos retornos atípicos, que tienen una gran
influencia en los
estimadores de máxima probabilidad de y en CT. Muestra que el estimador de
máxima
probabilidad de bajo normalidad es 0.7202, mientras que bajo la suposición de la
distribución
t con 1 grado de libertad (el grado de libertad se eligió utilizando los Criterios de
Información
Schwarz) fue 0.2533. Para el caso de Copec los estimadores son similares para
ambas
distribuciones.
En la figura 2 y 3, las gráficas de índice de componentes los máximos se presentan,
con interés
en, para el Ct Y Copec rendimientos respectivamente – utilizando la normalidad T
Distribuciones. Está claro la robustez de la T distribución con respecto a las
devoluciones
atípicas mes 37 en Ct y el mes 125 en Copec que aparecen en el modelo normal. La
influencia
local de estas observaciones en ˆ se reduce sustancialmente en el marco de la T
Modelos.
Se obtienen resultados similares con la influencia local total, los cuadros 1 y 2
presentan la
máxima probabilidad de estimación y cambia relativamente, si no se considera los
tres
rendimientos más influyentes, de acuerdo con el método de influencia local para Ct Y
Copec
respectivamente, utilizando la normalidad y T Distribuciones. El cambio relativo se
define
como: RC 1/4 )• I• ., Dónde ^ • I denota la estimación de probabilidad máxima para
después
de observaciones pertenecientes al conjunto de índices Ⅰ se eliminan. Como se
esperaba, las
mayores variaciones para el estimador de riesgo sistemático se observan bajo el
modelo normal.
Para Ct esta variación alcanza un máximo del 36,2% en el modelo normal cuando se
eliminan
las observaciones 5 y 37. Sin embargo, en el marco de la t modelo la variación
máxima es de
8,7% cuando se omiten los retornos 5 y 127. Para Copec la variación máxima alcanza
el 7,9%
en el modelo normal, y un 1,9% en el caso de la T Modelo. Esto muestra la T
capacidad del
modelo para manejar devoluciones atípicas y furnestimadores más robustos para el
riesgo
sistemático, especialmente en el mercado emergente caracterizado por su alta
volatilidad.
También se presenta una estimación aproximada de la desviación estándar, es por
ello que se
observar que, en algunas empresas, existen grandes diferencias entre las
estimaciones del
riesgo sistemático utilizando la distribución t, especialmente con pequeños grados de
libertad,
y la distribución normal.
Docente: Elias Castro Salazar
Asignatura: Métodos Cuantitativos Aplicados I
1.4 Comente las conclusiones e indique que puede aprender de ellas. (4 ptos.):
2.1 En una investigación sobre los negocios pequeños que tienen un sitio en la web se
encontró que la cantidad promedio que se gasta en un sitio es de $11500/año. Dada una
muestra de 70 negocios y una distribución estándar σ =$ 5000, ¿Cuál es el margen de
error? Use un 99% de confianza. ¿Qué recomendaría si el estudio requiere un margen
de error de $ 100? (3 ptos.)
Docente: Elias Castro Salazar
Asignatura: Métodos Cuantitativos Aplicados I
2.3 El sueldo mensual inicial de egresados de una carrera universitaria se espera que oscile
entre $450000 y $500000. Suponga que se quiere dar un intervalo de confianza de 95%
para estimar la media poblacional de los salarios iniciales. Utilice un criterio visto en
clases para estimar la desviación estándar poblacional, y utilice este valor para
encontrar el tamaño de la muestra si desea obtener un margen de error de $10000. (4
ptos.)
H a <15
En una muestra de 50, la media muestral fue 14.15. La desviación estándar poblacional
es 3.