Econometría Financiera
Este artículo es una expansión del contenido de la información sobre derecho financiero, en esta revista de derecho corporativo. Aparte de ofrecer nuevas ideas y consejos clásicos, examina el concepto y los conocimientos necesarios, en el marco de los aspectos jurídicos financieros, sobre este tema. Te explicamos, en relación a los principios, prácticas y normas jurídicas financieras y bancarias, qué es, sus características y contexto. En inglés: Financial econometrics. Nota: puede interesar el Ranking de Revistas de Econometría, la información relativa a las características de la econometría y la información relativa a la econometría en general. La econometría es la disciplina dentro de la economía que intenta medir y estimar estadísticamente la relación entre dos o más variables económicas. Una definición de econometría financiera podría ser la aplicación de las técnicas matemáticas y estadísticas a la economía en el estudio de los problemas, el análisis de los datos y la elaboración y comprobación de las teorías en este ámbito. La econometría financiera consiste en aplicar, entonces, métodos estadísticos a los datos de los mercados financieros.
Las áreas de estudio incluyen los mercados de capitales, las instituciones financieras, las finanzas corporativas y el gobierno corporativo.
Los temas suelen girar en torno a la valoración de activos de acciones individuales, bonos, derivados, divisas y otros instrumentos financieros. Datos verificados por: Mix
Temas de Econometría Financiera
El tipo de temas con los que suelen estar familiarizados los econometristas financieros incluyen los siguientes: el análisis de observaciones de precios de alta frecuencia la teoría de los precios de arbitraje la dinámica de los precios de los activos asignación óptima de activos cointegración estudio de eventos modelos financieros no lineales, como la heteroskedasticidad condicional autorregresiva[4] varianza realizada análisis del rendimiento de los fondos, como el análisis de estilo basado en la rentabilidad pruebas de la hipótesis del paseo aleatorio el modelo de valoración de activos de capital la estructura temporal de los tipos de interés (la curva de rendimiento) valor en riesgo técnicas de estimación de la volatilidad, como los modelos de suavización exponencial y RiskMetrics Autor: Henry
Etapas de la Econometría Financiera en Relación a Economía y Finanzas
En este contexto, a efectos históricos puede ser de interés lo siguiente: [1] (Nota: esto es una continuación del texto sobre econometría que se haya en otra parte de la plataforma (de Lawi) online).
Etapas del trabajo econométrico
Aunque el concepto de «econometría» ha evolucionado sustancialmente desde el trabajo de Schumpeter aparecido en el primer número de «Econometrica», pueden aceptarse las cuatro etapas en que Valavanis divide el trabajo econométrico: especificación, estimación, verificación y predicción. La especificación «tiene por objeto expresar una teoría económica en términos matemáticos» y Koopmans entiende por «teoría» una combinación de los siguientes elementos: principios de conducta económica deducidos de la observación general de los motivos de decisiones económicas; conocimiento de reglas legales e institucionales que limitan la conducta individual; conocimiento tecnológico; y definiciones rigurosas de las variables. Estos elementos se materializan en ecuaciones o relaciones funcionales (de conducta, tecnológicas, institucionales y definiciones) que originan el modelo econométrico. En las ecuaciones existen coeficientes de las variables, denominados aquí parámetros estructurales, cuyo conocimiento cuantitativo hace necesaria la etapa de estimación. Para llevar a cabo dicha etapa ha de recurrirse a los métodos de la Estadística matemática, aunque éstos hubieron de superarse mediante la investigación económica, ya que la estimación de parámetros en los modelos multiecuacionales (o de ecuaciones simultáneas) plantearon problemas específicos, dados a conocer por Trygve Haavelmo al publicar en «Econometrica» su excelente trabajo sobre La Teoría Probabilística en Econometría (véase en esta entrada de la plataforma: bibliografía). El método científico que permite un «desarrollo concurrente de teoría y observación» (al que se ha hecho referencia en el primer párrafo de este artículo), se consigue contrastando las hipótesis que sirven de fundamento a cada teoría económica, y esta posibilidad, a través de los modelos econométricos, se consigue mediante la etapa de verificación, en la que se aceptan o rechazan los supuestos básicos o la adecuación con la realidad de cualquier proposición de la ciencia económica. Tanto en la etapa de estimación como en la de verificación juegan un papel importante las perturbaciones aleatorias.
En la primera de dichas etapas ha de estimarse, además de los parámetros estructurales, la distribución probabilística de aquellas variables aleatorias, y la verificación no podría realizarse sin la existencia de elementos estocásticos en el modelo. La última etapa, la de predicción o pronóstico, constituye el objetivo final del trabajo econométrico, y por la naturaleza de la econometría, los pronósticos que formula son de carácter probabilísticos, no son predicciones exactas, lo que da un alto rango científico a los métodos econométricos. Estos resultados han inducido a emplearlos en otras actividades científicas, con el nombre de modelos matemáticos, debiendo en dichos casos clasificar adecuadamente en endógenas y exógenas las variables del campo correspondiente, originándose así nuevos métodos científicos, como los de la moderna Teorometría, que intenta estudiar mediante modelos matemáticos, el fenómeno turístico (cfr. A. Alcaide, Econometría del Turismo, «Estudios turísticos» 4, 1964, 5-30). [rbts name="economia. [rbts name="finanzas.
Modelos condicionalmente heterocedásticos
Hechos estilizados y preliminares
Desde finales de la década de 1980, la econometría financiera ha sido testigo de un poderoso impulso hacia el desarrollo de métodos para especificar, estimar y pronosticar (a partir de) modelos relativos a cantidades que son útiles para definir el riesgo. Este impulso ha marcado un cambio importante: hasta hace 30 años, la mayoría de los modelos de series temporales financieras se centraban en el primer momento condicional, y cualquier dependencia temporal en momentos de orden superior se trataba como una molestia que requería, en el mejor de los casos, ajustes en los algoritmos de estimación.
Sin embargo, la creciente importancia de las consideraciones de riesgo en las finanzas ha exigido el desarrollo de nuevas técnicas econométricas de series temporales que permiten modelar los momentos de orden superior que varían en el tiempo, principalmente (pero no sólo) las varianzas y covarianzas.
En particular, cuando los datos muestran patrones de varianzas y covarianzas que varían en el tiempo, se dice que son condicionalmente heterocedásticos (en adelante, CH). Aunque esta identificación no es ni mucho menos trivial, en gran parte de las finanzas empíricas, el riesgo se ha identificado con la varianza o su raíz cuadrada, la desviación estándar, a menudo llamada volatilidad.
.
De hecho, cualquier medida de incertidumbre -como la varianza- se convierte en una medida adecuada de riesgo sólo cuando se combina con una hipótesis sobre la densidad (predictiva) de las cantidades de interés. Una medida de riesgo adecuada es aquella que permite clasificar carteras, operaciones, proyectos alternativos, etc., según su riesgo percibido por el responsable de la toma de decisiones. Por ejemplo, la varianza es una medida adecuada del riesgo cuando los rendimientos se generan a partir de una distribución normal; sin embargo, pueden encontrarse distribuciones en las que éste no sea el caso y deberían utilizarse en su lugar medidas alternativas (como la desviación media absoluta o el rango intercuartílico).
También por motivos puramente lógicos, el uso de la varianza presenta algunos inconvenientes. Por ejemplo, en la gestión de activos, parece extraño que la varianza pondere los resultados por encima y por debajo de la media de forma simétrica, aunque, por una razón matemática obvia, cuando los rendimientos de la cartera tienen una distribución normal, centrarse en la varianza o en la semivarianza (negativa) (justo por debajo de la varianza media), producirá una clasificación idéntica de las carteras.
Desarrollo de la Idea
Por último, las varianzas, covarianzas y medidas similares se caracterizan por una limitación adicional: estos momentos de orden superior no son directamente observables; a diferencia de los precios del mercado, son variables latentes.
Por lo tanto, las varianzas, covarianzas, etc.
.
Deben inferirse observando la evolución de los precios del mercado. Por ejemplo, si los precios fluctúan mucho, sabemos que la volatilidad es alta, pero no podemos determinar con precisión cuán alta es. Una de las razones es que no podemos distinguir si una gran perturbación de los precios es transitoria o permanente. Cuando el riesgo se identifica con la varianza o con medidas estadísticas similares, todos los profesionales de las finanzas y los econometristas aplicados informarán de una evidencia generalizada de un primer hecho estilizado (es decir, una regularidad empírica recurrente que surge con la mayoría de los datos): aunque existe alguna medida media e incondicional del riesgo a largo plazo y representa un enfoque empírico útil, con el tiempo el riesgo tiende a fluctuar ampliamente. Por ejemplo, los operadores entienden muy bien que a veces es muy importante estimar el riesgo sólo con información reciente, basando sus algoritmos sólo en datos recientes; en otras ocasiones, en cambio, conviene basar las previsiones en patrones a largo plazo y en series temporales de fecha lejana.
Además, es una experiencia común en el mercado que los movimientos de precios en una dirección típica (por ejemplo, grandes rendimientos negativos de las acciones o rápidas depreciaciones del tipo de cambio) pueden inducir reacciones más fuertes en los momentos posteriores de orden superior que otros movimientos de precios. Una forma parsimoniosa de describir lo que los participantes en el mercado suelen percibir es que los movimientos de los precios de los activos (a menudo, los rendimientos) no se distribuyen de forma idéntica e independiente (IID).
Las grandes (pequeñas) perturbaciones suelen ir seguidas de otras grandes (pequeñas) y, por lo tanto, no son independientes a lo largo del tiempo; en consecuencia, las distribuciones (predictivas) típicas del trabajo cuantitativo en finanzas no se distribuyen de forma idéntica a lo largo del tiempo. Dados estos hechos estilizados, lo ideal sería recurrir a teorías económicas bien desarrolladas o a modelos financieros que explicaran la variación de los momentos de orden superior.
Lamentablemente, con raras excepciones, los teóricos han carecido tradicionalmente de una comprensión suficientemente completa de los fenómenos. Por supuesto, una explicación plausible y siempre verde de la heteroscedasticidad condicional, que parece ser una característica casi universal de las series de rendimiento de los activos en las finanzas, es que las llegadas de información que impulsan los cambios de precios se producen en grupos en lugar de estar espaciadas uniformemente en el tiempo. Por ejemplo, ya desde fines de los años 70, sabemos que la volatilidad de los rendimientos de las acciones de las empresas individuales es elevada en torno a los anuncios de beneficios.
También hay cambios predecibles en la volatilidad a lo largo del día de negociación: desde mediados de los años 80 sabemos que la volatilidad es mucho mayor en la apertura y el cierre de la negociación bursátil que durante la mitad del día; el aumento de la volatilidad en la apertura puede imputarse parcialmente al flujo de negociación motivado por la información acumulada mientras el mercado estaba cerrado. Nunca te pierdas una historia sobre derecho bancario y financiero, de esta revista de derecho empresarial:
Según la hipótesis de la mezcla de distribuciones, la evolución de los rendimientos y el volumen de negociación están determinados por la misma variable de mezcla latente que refleja la cantidad de información nueva que llega al mercado. Nunca te pierdas una historia sobre derecho bancario y financiero, de esta revista de derecho empresarial:
Si el proceso de llegada de noticias es dependiente de la serie, la volatilidad y el volumen de negociación estarán conjuntamente correlacionados en serie.
Sin embargo, aunque está claro que los flujos de información importan, ese conocimiento sólo hace que la cuestión avance un paso más: ¿por qué el proceso de llegada de noticias mostraría agrupaciones sistemáticas y recurrentes? Un rompecabezas relacionado es que, dado que muchos precios de los activos están estrechamente vinculados a la salud, al estado de la economía, sería natural esperar que las medidas de incertidumbre macroeconómica, como las varianzas condicionales de la producción industrial, el crecimiento monetario y la tasa de inflación, ayudaran a explicar los cambios en la volatilidad de los rendimientos de los activos.
Sin embargo, desde fines de los años 80, se han acumulado enormes pruebas empíricas que demuestran que, aunque la volatilidad de los activos aumenta bruscamente durante las recesiones y las crisis financieras y disminuye durante las expansiones, la relación entre la incertidumbre macroeconómica y la volatilidad de las acciones es sorprendentemente débil y, en cualquier caso, mucho más compleja de lo que cabría pensar. Por ello, este vacío de comprensión teórica ha sido llenado por modelos estadísticos de la clase ARCH que captan la variación temporal y la agrupación de la varianza condicional mediante representaciones matemáticas estilizadas. Esta clase de modelos ha cobrado importancia en la econometría por su trazabilidad, así como en las aplicaciones por su gran capacidad de previsión. Nunca te pierdas una historia sobre derecho bancario y financiero, de esta revista de derecho empresarial:
Su éxito es fácil de explicar: Los modelos ARCH introducen especificaciones paramétricas parsimoniosas que, mediante un pequeño conjunto de parámetros, resuelven el típico problema al que se enfrentan los profesionales de las finanzas:
Cuántas observaciones pasadas utilizar y las ponderaciones que atribuirles, cuando se trata de predecir varianzas (y covarianzas).
Si algunos tipos de movimientos de precios pueden afectar diferencialmente a las previsiones de los momentos de orden superior, y cómo hacerlo.
De forma equivalente, resulta que los modelos ARCH y sus derivados captan las desviaciones de las variaciones de los precios financieros o de los rendimientos respecto a la IID. El marco ARCH, al estar basado en una estrategia de modelización estadística, ofrece una ventaja adicional: la naturaleza latente de los momentos de orden superior significa que deben predecirse utilizando métodos estadísticos, y la literatura ARCH ha resuelto este problema de una forma muy sencilla que describiremos en breve.
Los hechos estilizados de la heteroskedasticidad condicional
Al igual que en el capítulo 2, en primer lugar motivamos la estructura de los modelos de CH que se van a introducir, echando un vistazo a las principales regularidades empíricas típicas de una variedad de datos financieros.
En lo que sigue, generalmente escribimos sobre los "rendimientos de los activos", aunque una serie de cantidades relacionadas en las finanzas -como los rendimientos de la renta fija, los diferenciales de rendimiento, los cambios en estos rendimientos y diferenciales, y las variaciones de los tipos de cambio- presentan características similares. En primer lugar, los rendimientos de los activos tienden a ser leptocúrticos, es decir, su densidad "media" e incondicional (por el momento, basta con pensar en el histograma empírico de una serie de larga duración) tiende a caracterizarse por unas colas más "gruesas" que las de una distribución normal, así como por una mayor masa de probabilidad recogida justo alrededor de la media (o la moda) de los datos. Evidentemente, si las frecuencias "excesivas" de los datos se encuentran tanto en las colas como justo alrededor de la media, debe existir alguna región "intermedia" en su soporte, donde las frecuencias empíricas caen por debajo de las típicas de una densidad gaussiana. Datos verificados por: Cox
Visualización Jerárquica de Econometría
Economía > Análisis económico > Análisis económico Ciencia > Humanidades > Ciencias sociales > Ciencia económica A continuación se examinará el significado.
¿Cómo se define? Concepto de Econometría
Véase la definición de Econometría en el diccionario.
¿Qué piensas sobre este tema? ¿Tienes alguna experiencia o ejemplo que quieras compartir? ¿Cuál es tu opinión?
Recursos
Notas y Referencias
Basado parcialmente en el concepto y descripción sobre econometría en la Enciclopedia Rialp (f. autorizada), Editorial Rialp, 1991, Madrid
Véase También
Finanzas matemáticas, Economía financiera internacional, Análisis de datos financieros
Bibliografía
MALINVAUD, Métodos estadísticos de la Econometría, Barcelona 1967; A. ALCAIDE, Lecciones de Econometría y métodos estadísticos, Madrid 1966; F. A. Basado en la experiencia de varios autores, nuestras opiniones y recomendaciones se expresarán a continuación (o en otros artículos de esta revista, en cuanto al derecho financiero y bancario, y respecto a sus características y/o su futuro): GRAYBILL, An Introduetion to Linear Statistical Models, 1, Nueva York 1961; siglo VALAVANIS, Econometrics, Nueva York 1959; W.
C. Basado en la experiencia de varios autores, nuestras opiniones y recomendaciones se expresarán a continuación (o en otros artículos de esta revista, en cuanto al derecho financiero y bancario, y respecto a sus características y/o su futuro): HOOD y T.
C. KoOPMANS, Studies in Econometric Method, Nueva York 1953; T. Basado en la experiencia de varios autores, nuestras opiniones y recomendaciones se expresarán a continuación (o en otros artículos de esta revista, en cuanto al derecho financiero y bancario, y respecto a sus características y/o su futuro): HAAVELMO, The Probability Approach in Econometrics, supl. a «Econometrica» vol. 12, julio 1944 (trad.
Castellana por G. ARNÁIZ en «Rev.
.
De Economía Política»), junio-diciembre 1956, 268-422; A. ALCAIDE, Análisis Input-Output, Madrid 1969; P. A. Nunca te pierdas una historia sobre derecho bancario y financiero, de esta revista de derecho empresarial:
SAMUELSON, Foundations of Economic Analysis, Cambridge (Mas.) 1953; M. NERLOVE, Estimation and Identification of Cobb-Douglas Production Functions, 1965; S.
CHAKRAVARTY, The Logic of Inaestment Planning, Amsterdam 1959.