Sunteți pe pagina 1din 7

Docente: Elias Castro Salazar

Asignatura: Métodos Cuantitativos Aplicados I

Trabajo final
Testeo de hipótesis

Identificación

Nombre: Eduardo Beroiza Mendoza Fecha: 30/01/2020


Puntaje: 19 / 38 Nota (60% de exigencia):
3.5

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.)

R: Como recomendación para el pre procesamiento se podría utilizar el método donde se


realiza
observaciones extremas mediante el uso procedimiento clásico y robustos, en esta línea
lo que
sucede que al modificar el método de máxima veosimilitud, se desarrollan métodos
robustos y por
ende los valores atípicos tienen menos influencia en el método de estimaciones finales
que se
Docente: Elias Castro Salazar
Asignatura: Métodos Cuantitativos Aplicados I

desean estimar y desarrollar.

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

La presencia de retornos atípicos resalta estas diferencias. También tener en cuenta


que la
estimación de la desviación estándar de la - es diferente en ambas distribuciones.

1.4 Comente las conclusiones e indique que puede aprender de ellas. (4 ptos.):

R: T es la distribución que proporciona una extensión robusta de la normalidad para el


modelado estadístico de conjuntos de datos que implican errores con colas más
largas de lo normal. Los grados de libertad parámetro de la T Decirla tribución es muy
conveniente para lograr una inferencia estadística robusta, con aumentos moderados
en la complejidad computacional.

Este estudio utilizó el algoritmo EM para la estimación de máxima verosimilitud de


parámetros en el CAPM, que es un modelo de fijación de precios de activos de
capital, sirve para determinar la tasa de rentabilidad requerida para un activo que
forma parte de un portafolio de inversiones. cuando los errores aleatorios siguen a
una t distribution. La metodología presentada se puede implementar en cualquier
software estadístico que permita la reponderación iterativa. En este caso, se utilizó S-
PLUS. Esto fue para facilitar su incorporación en la rutina diaria de los analistas
financieros. Este estudio empírico proporciona evidencia sobre la robustez del
estimador de máxima probabilidad del riesgo sistemático utilizando la distribución t,
especialmente con pequeños grados de libertad.

2. Resuelva los siguientes ejercicios

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

2.2 Para el siguiente set de datos:

7.0 3.2 1.4 5.4 8.5


2.5 2.5 1.9 5.4 1.6
1.0 2.1 8.5 4.3 6.2
1.5 1.2 2.7 3.8 2.0
1.2 2.6 4.0 2.6 0.6

a. ¿Cuál es la estimación puntual de la media poblacional de la muestra? (3 ptos.)


Docente: Elias Castro Salazar
Asignatura: Métodos Cuantitativos Aplicados I

b. Suponga que la población tiene una distribución normal, calcule un intervalo de


confianza de 95% para la media poblacional del set de datos. (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.)

2.4 Considere la prueba de hipótesis siguiente:


H 0 :μ ≥ 15
Docente: Elias Castro Salazar
Asignatura: Métodos Cuantitativos Aplicados I

H a <15
En una muestra de 50, la media muestral fue 14.15. La desviación estándar poblacional
es 3.

a. Calcule el estadístico de prueba. (3 ptos.)

b. ¿Cuál es el valor-p? (3 ptos.)

c. Use α =0.01. ¿Cuál es su conclusión respecto a la hipótesis nula? (3 ptos.)

R: No rechaza H0 ya que no existe evidencia suficiente.

S-ar putea să vă placă și