cs21 difusión de las ideas.pdf - Exordio
cs21 difusión de las ideas.pdf - Exordio
cs21 difusión de las ideas.pdf - Exordio
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