Pedigrí vs.

Arena
Predicción del rendimiento de los fondos mutuos

Datos, análisis y aprendizaje: Tarea 1

Presentado por Bhuvanesh Pareek
Mukundapokhrel Y
13/07/2017
Presentado a
1. (a) ¿Por qué no está de acuerdo con los comentarios de Jack sobre la inutilidad de la
regresión?
¿Debido al bajo R cuadrado?
R cuadrado no puede determinar si las estimaciones y predicciones de los
coeficientes están sesgadas, por lo que se deben evaluar las gráficas de residuos. R cuadrado
no indica si un modelo de regresión es adecuado. Puede tener un valor de R cuadrado bajo
para un buen modelo o un valor de R cuadrado alto para un modelo que no se ajusta a los
datos.

(b) ¿Puedes pensar en una situación en la que una regresión inútil tenga un R cuadrado alto?

Puede haber una situación en la que no exista una relación lógica entre dos variables pero con
un valor de R cuadrado alto. Por ejemplo, ninguno de los profesores de una universidad ni
ninguno de los clientes que visitan un gran bazar de compras podrían obtener un valor de R
cuadrado del 95%, pero lógicamente la regresión es inútil.

(c) Existen técnicas para determinar la validez de un modelo de regresión, en particular, si la

relación es lineal y los términos de error muestran una varianza igual (homoscedasticidad). ¿La
regresión del Cuadro 1 viola alguno de estos dos supuestos? Justifica tu respuesta.
La homocedasticidad parece estar ausente en este caso.

Jack pronto se convence de que un R cuadrado bajo no hace que su regresión sea inútil y
comienza a bombardearte con preguntas. Utilice la Tabla 1 para responder las preguntas 2 a 6.

2. (a) Estime el exceso de rendimiento (RET) de los fondos que Bob y Putney administran
actualmente. Supongamos que el puntaje compuesto promedio del SAT de Princeton es 1355,
mientras que el del estado de Ohio es 1042. Entre Bob y Putney, ¿quién se espera que obtenga
mayores rendimientos con sus fondos actuales y en qué medida?
RETIRAD CONSTANTE GRI SE MBA EDAD DIEZ
O SENTÓ
Coeficiente -2.64216 -2.11046 0.005735 -0.18065 -0.06889 -0.11872
Beto -1.78162 1 1042 0 35 5
Putney 0.395635 1 1355 1 32 2

2
Entre Bob y Putney, se espera que Putney obtenga mayores rendimientos. Tener un título de
MBA tiene una significación del 81,139%, muy superior a la significancia de otras variables.

(b) Entre Bob y Putney, ¿quién se espera que obtenga mayores rendimientos si es contratado por
AMBTPM y por cuánto?

Esto significa RET con tenencia cero,

Rentabilidad del fondo de ingresos y crecimiento de Bob en AMBTPM = -

1,18820057515122%

Rentabilidad del fondo de ingresos y crecimiento de Putney = 0,632821651794345%

Por tanto, Putney siempre obtendrá mayores rendimientos que Bob en AMBTPM.

3. (a) ¿Puede demostrar con un nivel de significancia del 5 por ciento que si Bob hubiera
asistido a Princeton en lugar de a Ohio State, entonces el rendimiento de su fondo actual sería
mayor?
Como el coeficiente del SAT es positivo (0,005735) y está correlacionado positivamente, asistir a
Princeton en lugar de Ohio State aumentará el rendimiento de Bob.

(b) ¿Puede demostrar con un nivel de significancia del 10 por ciento que si Bob estuviera
administrando un fondo de crecimiento en lugar de un fondo de crecimiento e ingresos,
entonces lograría rendimientos promedio al menos un 1 por ciento más altos?
El coeficiente de GRI (-2,11046) está correlacionado negativamente con la rentabilidad. Por lo
tanto, si estuviera gestionando un fondo de crecimiento, habría obtenido una mayor
rentabilidad.

4. (a) ¿La regresión del Cuadro 1 proporciona evidencia sólida para la afirmación de que los
administradores de fondos con MBA obtienen peores resultados que los administradores sin
MBA? ¿Qué se mantiene constante en esta comparación? Conversar.
La regresión en la Tabla 1 muestra que el coeficiente de MBA es negativo y el valor p es
81,139%. Pero no hay otra evidencia que demuestre que una persona con un MBA tendrá un
mejor desempeño que alguien sin un MBA.

3
 cal 1 : = Mis datos
lm(fórmula = ret ~ gri + sat + MBA + EDAD + diez, datos a)
Derechos residuales de autor:
mín. Mediana del 1T 3T máx.
-34.222 -4.444 -0.395 3.974 35.059

Coeficientes :
Estimar estándar Valor de error t Pr (> 1 1 1 )
(intersección) -2,642159 3.346531 -0.790 0.43016
GRI -2.110461 0.738858 -2.856 0.00445 **
SE SENTÓ 0.005735 0.002660 2.156 0.03151 *
MBA -0.180647 0.756644 -0.239 0.81139
EDAD -0.068893 0.041818 -1.647 0.10005
DIEZ -0.118722 0.083502 -1.422 0.15567

Significativo. códigos: 0 ****' 0,001 ***' 0,01 **' 0,05

0.1 ‘ ’ 1
Error estándar residual: 8,355 en 534 grados de libertad
R cuadrado múltiple: 0,04335, R cuadrado ajustado: 0. 03439
Estadístico F: 4,839 en 5 y 534 DE, valor p: 0,0002445

Manteniendo constantes los demás factores como GRI, SAT, AGE y TEN, RET =
Intercepción + Coeficiente de MBA = 2,642159 + (-0,180647) = -2,822806

(b) Se ha sugerido que los administradores de fondos sin MBA obtienen rendimientos esperados
más altos porque invierten en acciones más riesgosas. Si esto fuera cierto, ¿qué efecto tendría la
inclusión de una variable independiente, Beta (con valores más altos correspondientes a niveles
más altos de riesgo sistemático en la cartera del fondo), sobre el coeficiente de MBA en la
regresión de la Tabla 1?
Existe una relación inversa entre Beta y el coeficiente de MBA. Sin incluir Beta, MBA tiene un
coeficiente negativo de -0,180647. La introducción de Beta aumentará el valor del coeficiente de
MBA a positivo debido a la correlación negativa.
5. (a) ¿Cuál es el nivel más bajo de significancia en el que se puede demostrar que la edad del
administrador tiene un impacto negativo en el desempeño de su fondo manteniendo constantes
el tipo de fondo, la educación del administrador y los años de experiencia en el fondo?
Manteniendo constantes factores como la educación, la antigüedad y la edad, el nivel de
significancia más bajo en el que la edad del administrador tiene un impacto negativo en el
rendimiento del fondo es del 99,9%.
llamar :
1m(fórmula = RET ~ GRI + SAT + MBA + TEN + AGE + I(AGEA2) + I(AGEA3), datos = Mis datos)
Resi dual s :
Min -34.138 Mediana del 1T 3T Máximo 35.580
-4. 656 -0.387 3. 953

Coeficientes ■
Estimar estándar valor t Pr (> |t | )
(interceptar) 78.0675617 Error
21.8778630 3. 568 0. 000392 ***
GRI -1.9685484 0.7303720 -2.695 0.007256 **
SE SENTÓ 0.0048544 0.0026249 1.849 0.064963 .
MBA -0.5195930 0.7502859 -0.693 0.488909
DIEZ -0.0901656 0.0835766 -1.079 0.281149

4
EDAD -5.4943428 1.3947246 -3.939 9.26e-05 ***
Yo(AGEA2) 0.1179099 0.0290906 4.053 5.81e-05 ***
Yo(AGEA3) -0.0008188 0.0001952 -4.196 3.19e-05 ***

signif. códigos: 0 “***' 0.001 “** ’ 0.01 0.05 ‘’ 0.1 ‘ ’ 1

Error estándar residual: 8,222 en 532 grados de libertad R cuadrado múltiple: 0,07701, R cuadrado ajustado: 0,06486
Estadístico F: 6,341 en 7 y 532 DE, valor p: 3. 599e-07

(b) Se cree que existe un sesgo de supervivencia al analizar el desempeño de los administradores
de fondos, en el que la supervivencia de un administrador más joven en la industria está más
estrechamente vinculada a su desempeño que la supervivencia de un administrador de mayor
edad. En otras palabras, si un nuevo gerente no se desempeña exitosamente, no será tolerado en
la industria por mucho tiempo, pero a un gerente más experimentado se le pueden perdonar
uno o dos años de mal desempeño. ¿La presencia de este sesgo de supervivencia amortiguaría o
exacerbaría el efecto observado en la Parte (a)?
El análisis de regresión muestra que RET tiene correlación negativa con AGE, correlación
positiva con AGE^2 y correlación negativa con AGE^3. Según el sesgo de supervivencia, el
RET será bajo para los directivos jóvenes, mayor para los directivos antiguos y disminuirá
ligeramente para los directivos muy antiguos.

6. (a) “Simplificar” la regresión dada en la Tabla 1, es decir, eliminar todas las variables que
no sean significativas al nivel del 15 por ciento. Escriba la nueva ecuación de regresión y
verifique si la especificación satisface los supuestos de linealidad y homocedasticidad.
La nueva ecuación de regresión será
RET = -2.583922-2.111005 GRI + 0.006242 SAT - 0.095959 EDAD
Este modelo de regresión no logró satisfacer la prueba de linealidad y varianzas iguales.

5
 llamada : 1m(fórmula = RET ~ GRI + SAT + EDAD, datos = MyData)

Resi dual s :
Mín. CI Mediana Máx. 3T -34,199 -4,403 -0,348 4.074 35.142

Coeficientes :
Estimar estándar Valor t de error Pr (> 1 11 ) (intersección) -
2,583922 3.340350 -0.774 0.43954
GRI -2.111005 0.738580 -2.858 0.00443*%
SE SENTÓ 0.006242 0.002593 2.407 0.01642 *
EDAD -0.095959 0.036555 -2.625 0.00891 **

Significativo. códigos: 0 ****' 0,001 ***' 0,01 **' 0,05 0.1 * ’ 1

Error estándar residual : 8,355 en 536 grados de libertad R cuadrado múltiple :

0,03965, R cuadrado ajustado: 0,03428
Estadístico F: 7.377 en 3 y 536 GL, valor p: 7. 5O5e-O5

(b) Compare el coeficiente de AGE en las

regresiones nueva y antigua. ¿Qué puede explicar el signo (dirección) del cambio en este
estimador? Conversar.
Coeficiente de EDAD:
Antigua regresión: -0,068893
nueva regresión: -0.095959

Los rendimientos de los administradores de fondos son menores para la nueva regresión
en comparación con el antiguo modelo de regresión.