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.
<strong>de</strong>l salto <strong>de</strong> Poisson y, finalmente, 2<br />
σ , la varianza <strong>de</strong>l proceso <strong>de</strong> <strong>difusión</strong> en<br />
ausencia <strong>de</strong> saltos), como se mencionó en el capítulo 3 anterior.<br />
Aunque se han planteado diversos procedimientos para la estimación <strong>de</strong> estos<br />
parámetros (método <strong>de</strong> los cumulantes y máxima verosimilitud, ambos en versión<br />
reducida Bernouilli y más general Poisson), tal y como se exponen y <strong>de</strong>sarrollan<br />
en el capítulo 3, en este trabajo <strong>de</strong> investigación se aplica el método más sencillo<br />
<strong>de</strong> estimación <strong>de</strong> los cumulantes.<br />
Aunque el procedimiento alternativo <strong>de</strong> máxima verosimilitud genera estimaciones<br />
más eficientes y permite obtener los valores <strong>de</strong> los errores <strong>de</strong> estimación <strong>de</strong> los<br />
parámetros, que no son disponibles con el método <strong>de</strong> los cumulantes, no lo hemos<br />
utilizado en este trabajo por varias razones. Por un lado, algunos trabajos han<br />
<strong>de</strong>mostrado que, para <strong>de</strong>terminados valores <strong>de</strong> λ (Ball y Torous [1985]) y curtosis<br />
(Beckers [1981]), los resultados <strong>de</strong> ambos procedimientos son bastante similares.<br />
La pérdida <strong>de</strong> eficiencia al utilizar el procedimiento <strong>de</strong> los cumulantes, se podría<br />
compensar con la sencillez <strong>de</strong> este método, que a<strong>de</strong>más posee suficiente<br />
robustez tanto teórica como empírica.<br />
Por otro lado, la implementación práctica <strong>de</strong>l método <strong>de</strong> máxima verosimilitud<br />
exige una operatoria matemática bastante compleja, dando lugar a enormes<br />
problemas, a veces insuperables. Como ya se ha dicho, el método consiste en<br />
maximizar la suma <strong>de</strong> un número importante <strong>de</strong> logaritmos neperianos (este<br />
número es igual al número <strong>de</strong> observaciones diarias <strong>de</strong>l título analizado),<br />
logaritmos neperianos <strong>de</strong> funciones <strong>de</strong> <strong>de</strong>nsidad <strong>de</strong>l proceso más general <strong>de</strong><br />
<strong>difusión</strong> con saltos distribuidos como una variable aleatoria <strong>de</strong> Poisson con cuatro<br />
parámetros. En la <strong>de</strong>scripción <strong>de</strong> estas funciones, como hemos visto, aparecen<br />
sumas <strong>de</strong> infinitos términos. El conjunto <strong>de</strong> condiciones <strong>de</strong> primer or<strong>de</strong>n <strong>de</strong>l<br />
problema <strong>de</strong> maximización no es lineal y, por tanto, se precisa <strong>de</strong> algún<br />
procedimiento <strong>de</strong> aproximación para su resolución, siendo el más utilizado el<br />
método multidimensional <strong>de</strong> Newton-Raphson. Este procedimiento, sin embargo,<br />
es bastante sensible a la elección <strong>de</strong> los valores <strong>de</strong> partida y al or<strong>de</strong>n <strong>de</strong><br />
truncamiento <strong>de</strong> la suma <strong>de</strong> los infinitos términos que antes mencionamos, por lo<br />
que en la mayoría <strong>de</strong> los casos, es un algoritmo que no converge.<br />
179