13.05.2013 Views

cs21 difusión de las ideas.pdf - Exordio

cs21 difusión de las ideas.pdf - Exordio

cs21 difusión de las ideas.pdf - Exordio

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Se pue<strong>de</strong> observar que esta función <strong>de</strong> <strong>de</strong>nsidad, f, es más simple que la<br />

<strong>de</strong>rivada por Beckers (1981), b(x), don<strong>de</strong> <strong>las</strong> rentabilida<strong>de</strong>s diarias <strong>de</strong>l activo se<br />

obtenían igualmente como una media pon<strong>de</strong>rada <strong>de</strong> funciones <strong>de</strong> <strong>de</strong>nsidad<br />

gaussianas, pon<strong>de</strong>radas, en este caso, por <strong>las</strong> probabilida<strong>de</strong>s <strong>de</strong> una variable<br />

aleatoria <strong>de</strong> Poisson, <strong>de</strong> parámetro λ, la cual viene dada por:<br />

−λ<br />

n<br />

e ( λ)<br />

2 2<br />

b ( x)<br />

φ(<br />

α,<br />

σ + nδ<br />

)<br />

[34]<br />

n!<br />

∑ ∞<br />

=<br />

n=<br />

0<br />

Para pequeños valores <strong>de</strong> λ, f(x) y b(x) son prácticamente similares. A<strong>de</strong>más,<br />

ambos mo<strong>de</strong>los permiten saltos discontinuos intercalados con rentabilida<strong>de</strong>s<br />

diarias distribuídas <strong>de</strong> manera continua. De igual manera, Ball y Torous (1983)<br />

<strong>de</strong>rivan los cumulantes para la función <strong>de</strong> <strong>de</strong>nsidad f(x) vista en [33], que<br />

relacionan luego con los parámetros a estimar <strong>de</strong>l mo<strong>de</strong>lo.<br />

Una vez que <strong>de</strong>muestran la eficiencia <strong>de</strong> esta técnica <strong>de</strong> estimación, Ball y<br />

Torous (1983) la aplican a la muestra <strong>de</strong> acciones que utilizó Beckers (1981).<br />

De manera significativa, <strong>las</strong> estimaciones para la varianza resultaron ser<br />

positivas y a<strong>de</strong>más se obtuvieron fácilmente los errores estándard <strong>de</strong> tales<br />

estimaciones.<br />

Brevemente, el procedimiento <strong>de</strong> máxima verosimilitud consiste en maximizar<br />

la función <strong>de</strong> verosimilitud, dada por:<br />

157<br />

n<br />

∑<br />

i=<br />

1<br />

ln L(<br />

x;<br />

γ)<br />

= ln f ( x ; γ)<br />

[35]<br />

don<strong>de</strong> x es el vector <strong>de</strong> <strong>las</strong> n observaciones <strong>de</strong> rentabilida<strong>de</strong>s diarias <strong>de</strong>l<br />

2 2<br />

activo, γ = ( λ,<br />

σ , δ , α)<br />

es el vector <strong>de</strong> parámetros a estimar y f(x) es la función<br />

<strong>de</strong> <strong>de</strong>nsidad dada por la ecuación [33], cuando se utiliza la versión Bernoulli.<br />

Las conclusiones que <strong>de</strong>stacan Ball y Torous (1983) cuando analizan los<br />

resultados <strong>de</strong> los diferentes procedimientos utilizados para la estimación <strong>de</strong> los<br />

parámetros son <strong>las</strong> siguientes:<br />

- Mientras que con el procedimiento <strong>de</strong> los cumulantes <strong>de</strong> Beckers<br />

(1981), aproximadamente para el 60% <strong>de</strong> los activos <strong>de</strong> la muestra, se<br />

obtuvieron estimaciones negativas <strong>de</strong> la varianza, cuando se utilizó el<br />

procedimiento <strong>de</strong> los cumulantes bajo el proceso <strong>de</strong> Bernoulli, el porcentaje <strong>de</strong><br />

activos con varianzas negativas se redujo a sólo un 20%.<br />

i

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!