Professional Documents
Culture Documents
por
AMADO PEIRO GIMENEZ
Departamento de Análisis Económico
de la Universidad de Valencia
RESUMEN
1. INTRODUCCION
lo 9()
f t=ibt- ^rlt^x
I 1+ ^Rt
t tan a^
2 t1 l
II
UItiTRItiI^t^I^aN UF t(^^ KI^VUIti^tlt^^b^^^ ^ ti I)f^ ^-^^ t I^^^^tt^ti -^ i^
logf(t)=iSt-yt2 [2l
entonces
^os estudios realizados por Mandelbrot (1963), para el mercado del algo-
dón, y Fama (1963 y 1965), para los treinta valores integrantes del índice Dow-
Jones, pusieron de manifiesto que las distribuciones PE se ajustan mejor a los
rendimientos de estos mercados que la distribución normal. Además, las esti-
maciones de a arrojaban valores menores que 2, si bien relativamente próximos
a esta cifra. En nuestro país, Peña (1989) ha estimado los parámetros de
distribuciones PE para los rendimientos derivados de distintos tipos de cambio
diarios de la peseta, obteniendo estimaciones de a comprendidas entre 1,35 y
1,55, lo que le Ileva inicialmente a rechazar la norrnalidad frente a estas alterna-
tivas. Sin embargo, encuentra un comportamiento inestable del parámetro a
frente a la agregacibn.
de tiempo en los que afluye muy poca información, mientras que en otros
períodos el mercado recibe un gran volumen de información. De ahí la conve-
niencia de tomar como proceso de dirección no ya al tiempo cronológico, sino,
permítase la expresión, al tiempo de mercado o, como lo han Ilarnado algunos
autores, tiempo transaccional.
v+1
r 2 (xTµ)2 -(^+^)
f(x)- v 1+ 2 2 [6]
r ^(v-2)a2 ( v--2)6
2
(x__µ,)z ^X_µ?^^
_
f (x)- S g 26^ + 1-S e 2^^
6
1L 1C6
X-µ
e °`
f(x)= X_N 2 [10]
a 1+e ^
Es sabido que esta distribución es muy similar a la normal, pero presenta unas
colas más anchas. Por ello, esta distribución debe permitir explicar la elevada
curtosis de los rendimientos mejor que la distribución normal.
f^ r.^^,i^ ^^^ t f ^F^ ^ti^,r ^
^
_ 2 ( iX-µl ) ''^i
f(x)_ e ^
[12]
3+a
2 2 T' 3+R
^ 2
2^+^^r 3+3R 2
Var(x)= 2 ^
[13]
EI parárnetro ^i, que verifica -1 <^i<_1, se puede contemplar como una medida
de curtosis que indica el grado de «no-normalidad» de la distribución, de forma
que cuando ^i<0 la distribución es platicúrtica, mientras que si ^3>0 es leptocúrtica
(Box y Tiao, 1973). Se puede cornprobar fácilmente que para R=O, [12] da lugar
a la distribución normal; para ^i=1 se obtiene la distribución exponencial doble,
mientras que al tender ^i a-1 la dístríbución tiende a la distribución uniforme.
3. SERIES DE RENDIMIENTOS
IGD^
Rr= log [ 14]
IGD ^__^
^(Rt R)3/T
^15]
(^(Rr R)2/T )3'a
E(R^R)4/T
t16]
(^(Rr R)2l T )2
Tabla 1
Rendimientos Rendimientos
diarios mensuales
Figura 1
RENDIMIENTOS DIARIOS
0,1
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
-0,01
-0, 02
-0,03
-0, 04
-0, 05
-0, 06
-0, 07
-0, 08
-0, 09
-0,1 .r_ -r-- _ _T _ -r- -r--
1986 1987 1988 1989 1990
Figura 2
RENDIMIENTOS MENSUALES REALES
0,4
0,3
0,2
0,1
-0,1
-0, 2
-0, 3
-0,4
1941 1945 1950 1955 1960 1965 1970 1975 1980 1985 1990
E°1^^f^^1)I`+(I(^A I^^#',^^^1 ^ ^ ^•1
Asi 2 {Cur-3)2
T 6 + ^4 [17]
(1) Esto puede hacerse extensivo a los rendimientos anuales, para los que puede aceptarse
la normalidad.
(2) AI menos por lo que respecta a los rendimientos diarios, posiblemente estos problemas
no sean independientes del tormentoso período muestral utifizado. Así se puso de manifiesto
para la distribución de potencias exponenciales, al realizarse estimaciones secuenciales
aumentando cada vez el tamaño muestral en 20 observaciones.
Esto coincide en cierta medida con lo señalado por autores corno Gray y French (1990): «We
originally carried our analysis to the end of 1987, but the "Black Monday" and its aftershocks
disastrously altered the parameter estimates for all four models. Future studies covering this
time period, including those examining stable law models, will undoubtedly experience the
effects of this unusual observation.»
Respecto a los problemas de la estimación de mixturas de normales pueden verse Cohen
(1967) y Quandt y Ramsey (1978).
I^^ti1Al)ISllt^.•1 f^til'AV(1l :1
Tabla 2
Rendimientos diarios
Período muestral: 4 de enero de 1986/28 de diciembre de 1990
Número de observaciones: 1.179
µ: 0,00053 a: 0,0062
(0,00033) (0,0001)
Modelo t Log(L)=3.638,45
Estimadores por máxima verosimilitud de los parámetros de distintas distribuciones para los
rendimientos diarios. Entre paréntesis figuran los errores estándar.
UItiT^Rlf ^ l^(^I( ^ N !)f^ L^^^ R^^t^NUl^11l^ti^^f(^^ I)E^ ;^r ( Ititil ti
Tabla 3
µ: 0,00216 6: 0,0500
(0,00207) (0,0008)
Modelo t Log(L)=976,350
v: 4, 60 µ: 0, 00251 a: 0, 0504
(0,88) (0,00180) (0,0028)
Estimadores por máxima verosimilitud de los parárnetros de distintas distribuciones para los
rendimientos mensuales reales. Entre paréntesis figuran los errores estándar.
Tabla 4
Tabla 5
Mixtura
Intervalo Obs. t Log. ( µ cte.}
Tabla 6
Mixtura Potenc.
Intervalo Obs. t Log. ( µ cte.) expon.
x _. µ
^
e
F(x)= [19]
x-µ
(4) Sin embargo, es sabido que si la partición en intervalos se realiza después de haber
estimado los parámetros, el número apropiado de grados de libertad está comprendido entre
n -k -1 y n -1.
1 `;I ^^I>I`+1It ^1 I tiI'1^it}I 1
no existen expresiones explícitas (sin recurrir a una integral) para estas funcio-
nes de distribución. Por otra parte, tampoco disponemos de tabulaciones lo
suficientemente precisas (sobre todo en las colas) de estas distribuciones. Esto
también puede hacerse extensivo a la mezcla de distribuciones normales, ya
que, para las colas, se requiere una mayor precisión que la que ofrecen la
rnayoría de las tabulaciones de la distribucián normal. Por este motivo nos
hemos visto abligados a calcular los valores de las integrales definidas de las
funciones
v+ 1
2 +
(X_u)2 -cv+^^
2
V ( y_2 )62
r ^ n v 2)cs^
z
_ 2 (^X^N^)'`^i
e
[21 ]
2 32^ ^^ \ 3±R
2 /
En las tablas 5 y 6 se recogen los resultados obtenidos, así como los niveles
de significación críticos para n-k-1 y n-1 grados de libertad. A la vista de los
resultados cabe rechazar claramente la distribución logística, que presenta un
resultado mucho peor que la distribución t o que la mixtura de distribuciones
normales. La distribución que presenta un mejor ajuste es la t de Student,
siendo éste especialmente bueno en las colas. De acuerdo con lo visto anterior-
mente, este resultado concuerda con diversos trabajos realizados para otras
bolsas.
I)Itil Kllili( 1^1^1 I^t^ L^ ^ ti kl^^+l)IM111t^ti t( ^ ^, (^t^ ^1^ ( I^>tif ^
5. C4NCLUSIONES
REFERENCIAS
BERNDT, E. R.; HALL, B. H.; HALL, R. E., y HAUSMAN, J. A. (1974): «Estirnation and
Inference in Nonlinear Structural Models». Annals of Economic and Socia!
Measurement, 3, pp. 653-665.
BLACK, F., y ScHOLES, M. (1973): «The Pricing of Options and Corporate Liabilities».
Journal of Political Economy, 81, pp. 637-659.
LINTNER, J. (1965): «The Valuation of Risk Assets and the Selection of Risky
Investments in Stock Portfolios and Capita! Budgets». Review of Economics
and Statistics, 47, pp. 13-37.
SUMMARY