cs21 difusión de las ideas.pdf - Exordio
cs21 difusión de las ideas.pdf - Exordio
cs21 difusión de las ideas.pdf - Exordio
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
- El procedimiento <strong>de</strong> estimación <strong>de</strong> máxima verosimilitud, no produjo<br />
estimaciones negativas para <strong>las</strong> varianzas, <strong>de</strong>cantándose como el<br />
procedimiento que generaba estimaciones más eficientes.<br />
- Cuando el procedimiento <strong>de</strong> los cumulantes dio valores positivos para<br />
<strong>las</strong> varianzas, <strong>las</strong> estimaciones que resultaban <strong>de</strong> los parámetros fueron<br />
similares a <strong>las</strong> estimaciones <strong>de</strong> máxima verosimilitud.<br />
- Los errores estándard <strong>de</strong> <strong>las</strong> estimaciones <strong>de</strong> máxima verosimilitud<br />
fueron extremadamente pequeños, confirmando aún más la mayor eficiencia<br />
relativa <strong>de</strong> esta metodología <strong>de</strong> estimación.<br />
El procedimiento <strong>de</strong> máxima verosimilitud bajo el proceso más general <strong>de</strong><br />
Poisson es propuesto y utilizado en Ball y Torous (1985), que utiliza los datos<br />
<strong>de</strong> una muestra <strong>de</strong> rentabilida<strong>de</strong>s diarias <strong>de</strong> 30 acciones <strong>de</strong> la New York Stock<br />
Exchange (NYSE) tomando 500 observaciones para un período muestral que<br />
abarca <strong>de</strong>s<strong>de</strong> el 1 <strong>de</strong> Enero <strong>de</strong> 1981 al 31 <strong>de</strong> Diciembre <strong>de</strong> 1982.<br />
En este caso la función <strong>de</strong> verosimilitud a maximizar es más compleja y viene<br />
dada por:<br />
m N −λ<br />
n<br />
e λ<br />
2 2<br />
ln L(<br />
X;<br />
γ)<br />
= ∑ln( ∑ φ(<br />
xi<br />
; α,<br />
σ + nδ<br />
) [36]<br />
n!<br />
i=<br />
1 n=<br />
0<br />
don<strong>de</strong> X es el vector <strong>de</strong> m rentabilida<strong>de</strong>s diarias <strong>de</strong>l activo, X ( x1, x2 ,..., xm) ,<br />
la suma <strong>de</strong> infinitos términos <strong>de</strong> la función <strong>de</strong> <strong>de</strong>nsidad b(x) se trunca en N,<br />
normalmente igual a 10, y φ es la función <strong>de</strong> <strong>de</strong>nsidad <strong>de</strong> la distribución normal<br />
, que viene dada por:<br />
2<br />
2<br />
φ(<br />
x;<br />
µ , ν ) = ( 2πν<br />
)<br />
158<br />
−1<br />
/ 2<br />
exp( −(<br />
x − µ )<br />
2<br />
/ 2ν<br />
La implementación en la práctica <strong>de</strong>l procedimiento <strong>de</strong> estimación <strong>de</strong> máxima<br />
verosimilitud es bastante tediosa y comporta dificulta<strong>de</strong>s <strong>de</strong> cálculo, en la<br />
mayoría <strong>de</strong> los casos, difíciles <strong>de</strong> superar. De la ecuación [36] po<strong>de</strong>mos<br />
observar que se trata <strong>de</strong> maximizar una función <strong>de</strong> verosimilitud que viene a<br />
ser la suma <strong>de</strong> m logaritmos neperianos, don<strong>de</strong> cada uno <strong>de</strong> ellos es otra suma<br />
<strong>de</strong> infinitas funciones <strong>de</strong> <strong>de</strong>nsidad con cuatro parámetros a estimar, funciones<br />
<strong>de</strong> <strong>de</strong>nsidad <strong>de</strong>l proceso más general <strong>de</strong> <strong>difusión</strong> con saltos distribuidos como<br />
una variable aleatoria <strong>de</strong> Poisson.<br />
2<br />
).<br />
[37]