Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Ayudant́ıa 8 - Econometŕıa I (EAE-250A) 1er Semestre 2020 1. Una anomaĺıa común en las acciones es que los retornos durante Enero son excesivos (“Efecto Enero”). También, para algunas acciones los retornos de los d́ıas lunes y/o viernes es distinto al de los otros d́ıas de la semana (“Efecto Lunes” y “Efecto Viernes”). Para testear esto, usted utiliza el CAPM tradicional para retornos accionarios: Ri,t �Rf,t = ↵i,t + �i(RM,t �Rf,t) + ei,t donde Ri,t es el retornos de la acción i, Rf,t es la tasa libre de riesgo y RM,t es el retorno del mercado. ↵i,t es el exceso de retorno de la acción i no explicado por el exceso de retorno del mercado. El modelo CAPM predice que ↵i,t debe ser cero. La siguiente tabla muestra la estimación MCO del CAPM tradicional usando datos diarios entre los años 2000 y 2009 para la acción de Microsoft (i = msft): . regress xmsft xmkt Source SS df MS Number of obs = 2515 F( 1, 2513) = 2017.90 Model 5776.20755 1 5776.20755 Prob > F = 0.0000 Residual 7193.41018 2513 2.86247918 R-squared = 0.4454 Adj R-squared = 0.4451 Total 12969.6177 2514 5.15895693 Root MSE = 1.6919 xmsft Coef. Std. Err. t P>|t| [95% Conf. Interval] xmkt 1.078688 .0240129 44.92 0.000 1.031601 1.125775 _cons -.0027441 .0337367 -0.08 0.935 -.0688987 .0634104 las variables xmsft = Rmsft,t�Rf,t y xmkt = RM,t�Rf,t son los excesos de retornos diarios para Microsoft y el mercado, respectivamente. La siguiente regresión usa los mismos datos, pero incluye dmon, dfri y djan, que son dummies para los d́ıas lunes, viernes y mes de enero: . regress xmsft xmkt dmon dfri djan Source SS df MS Number of obs = 2515 F( 4, 2510) = 505.92 Model 5789.16632 4 1447.29158 Prob > F = 0.0000 Residual 7180.4514 2510 2.86073761 R-squared = 0.4464 Adj R-squared = 0.4455 Total 12969.6177 2514 5.15895693 Root MSE = 1.6914 xmsft Coef. Std. Err. t P>|t| [95% Conf. Interval] xmkt 1.078147 .024014 44.90 0.000 1.031058 1.125237 dmon -.0814609 .088907 -0.92 0.360 -.2557995 .0928778 dfri -.1758099 .0868223 -2.02 0.043 -.3460606 -.0055592 djan .0590672 .1235846 0.48 0.633 -.183271 .3014054 _cons .0430491 .0443764 0.97 0.332 -.0439689 .1300671 Responda las siguientes preguntas: (a) Suponiendo que usted invierte en Microsoft, ¿cuánto retorno adicional esperaŕıa un viernes de enero con respecto a un lunes de febrero? Dis- cuta si esta diferencia es significativa al 5%. (b) ¿Cuál es el retorno semanal esperado para una semana cualquiera en febrero? Suponga que el retorno semanal es la suma de los retornos diarios durante una semana. (c) Explique cómo testeaŕıa si el retorno semanal en enero es mayor que el retorno semanal en febrero. Verifique esta hipótesis al 5% de signifi- cancia. (d) Discuta si los resultados sugieren que existen anomaĺıas en los retornos de Microsoft. ¿Con cuál modelo se quedaŕıa? ¿Por qué? (e) Explique qué significaŕıa en un modelo tipo CAPM considerar la inter- acción entre las dummies de anomaĺıas y el exceso de mercado. 2. Usted quiere estimar el efecto del tamaño relativo de la deuda en la aprobación de créditos hipotecarios con un modelo de probabilidad lineal. Su muestra tiene 1889 individuos de los cuales 1598 son de raza blanca. Considere el siguiente modelo simple: M0 : \approve = 0.945� 0.276 d, SCR = 203.53, SCT = 204.26 donde approve es una dummy que toma valor 1 si el individuo obtuvo el crédito y 0 en caso contrario, y d es el tamaño relativo de la deuda, medido como cuota del crédito sobre el ingreso del individuo. Usted cuenta además con la estimación y SCR de los siguientes modelos auxiliares: M1 : \approve = 0.711 + 0.195w, SCR = 194.85 M2 : \approve = 0.772 + 0.193w � 0.242 d, SCR = 194.30 M3 : \approve = 0.938� 0.884 d+ 0.752w · d, SCR = 193.94 M4 : \approve = 0.897 + 0.0477w � 0.734 d+ 0.577w · d, SCR = 193.90 donde w es una dummy que toma valor 1 si la persona es de raza blanca (white). Suponga que en todos los casos u ⇠ N(0,�2). Responda las sigu- ientes preguntas: (a) Usando como base el modelo M0, discuta si en su muestra el efecto de la deuda en la aprobación del crédito depende de la raza del individuo. Interprete los resultados tanto desde el punto de vista estad́ıstico como económico. (b) Suponga que corre por separado el modelo M0 para la gente de raza blanca y para el resto de los individuos. ¿Será posible argumentar que el modelo base es distinto para ambos grupos? (c) ¿Por qué cambien las magnitudes de los coeficientes b�d y b�wd al pasar de M3 a M4 si usted sabe que el coeficiente b�w en M4 no es significativo? Ayudant́ıa 8 - Econometŕıa I (EAE-250A) 1er Semestre 2020 (d) Si tuviera que elegir uno de los 5 modelos, ¿con cuál se quedaŕıa? Justifique. (e) Determine la deuda relativa promedio de la muestra completa y utilice este resultado para determinar los estimadores MCO de la siguiente regresión auxiliar: bd = b⇡0 + b⇡1 w Usando esta estimación, determine la deuda relativa promedio para: i) la gente de raza blanca, y ii) el resto de la población. (f) Discuta si cuenta con la información suficiente para determinar la sig- nificancia del estimador b⇡1 en la regresión de la pregunta anterior. (g) ¿Cuáles son las debilidades t́ıpicas del modelo de probabilidad lineal? Proponga un modelo alternativo para enfrentar este problema. (h) ¿Por qué podŕıa ser que los modelos propuestos tengan problemas de endogeneidad? Proponga una solución para enfrentar este problema. 3. Considere los siguientes datos y modelo de interés (Modelo 1): Usted además cuenta con las siguientes regresiones auxiliares donde uhat son los residuales del Modelo 1 y uhat4 los del Modelo 4: Ayudant́ıa 8 - Econometŕıa I (EAE-250A) 1er Semestre 2020 Responda las siguientes preguntas: (a) Verifique si la variable educ es exógena. (b) ¿Cuál modelo utilizaŕıa para medir el efecto de educ en los salarios? (c) Cuantifique el efecto en los salarios de estudiar 1 año extra. ¿Le sor- prende esta magnitud? ¿Qué podŕıa estar ocurriendo? (d) Verifique la siguiente la siguiente hipótesis nula al 95%: H0: �educ = �exper = �IQ = 0. (e) Verifique si hay evidencia de heteroscedasticidad en el modelo original. 4. Considere un nuevo test que permite verificar heteroscedasticidad regresio- nando ûi 2 en x1,i, . . . , xk,i, ŷi 2 para i = 1, · · · , n. (a) Construya el test de hipótesis correspondiente que permita verificar la existencia de heteroscedasticidad. (b) ¿Cuáles son los grados de libertad del estad́ıstico asociado al test? (c) Compare el R 2 de la regresión del enunciado con aquel asociado al Test de White. Discuta si esta comparación implica que el nuevo test arrojará siempre un valor-p que menor o igual al del Test de White. (d) Usted cree que la variable que mejor explica la heteroscedasticidad es ŷi, por lo que decide agregarla al test del enunciado. Discuta las ventajas y desventajas de este nuevo modelo extendido. PREGUNTA b MODELO 1 Yip Xp tBe te t t Eiil MODELO de Yiit X p t Be Xi.tt Bannon Amon t ftp.ri dfritfdjon.djanteiit a NOS FIJAMOS EN EL MODELO 2 VIERNESDEENERO y i i.tt Á Xi.tt fidei 1 t Ódian 1 Yi t 0,04304 t 1,07814 0,1758 t0,05906 Yit 1,004M RETORNO DE0,441 LUNES DEFEBREROy i.tt BI Xi.tt Bannon 1 Yid 0,04304 t1,0784 0,0814 Yip 1,03978 RETORNO DE3,978 El retorno adicional que esperaría unviernes de enero con respecto un lunes de febrero es de 1,00Mt 1,03978 3,534 Respecto a las significancias no podemos estimarlas pues si bien tenemos las desviaciones estándares no tenemos covarianza b Suponiendo que estudiamos de lunes a viernes SEMANA Lunes Y Iii t Á X i.tt Éamon y s Ii 5Á Xi.tt Viernes i Yiit Iii t Én Xi t t dan Éamon Barri Martes Miércoles Y Jueves yi.tsxi.tt Bi Xit C RETORNO SEMANAL ENERO SÍ i.tt S Á Xi.tt Éamontpdrrits.Bds.am RETORNO SEMANAL FEBRERO 5 di.tt 5BI tit t demon t dari TEST HIPÓTESIS skirt tst Était 5bajan 9 SÍ ts.it BK Pri fajan 70 Ho ftp.ansO te bajan O 0,05906 Édgar 0,12358 01477 Comparando el valor deeste estadístico t con valor crítico del test de una cola al 51 de significancia 1164 no podemos rechazar la hipótesis nula de que el retorno es significativamente distinto a 0 d Testeamos significancia conjunta con test de modelo restringida o de Wald sobre toss MPM respiran Yip Xii t Bn Xi it t Girl Muere Y X tpr Xi.tt Bdmon.dmontpdrriidfritBdjan.djant ci.iqGori skulls µ F l j n can SSRvrfqn.lkti Ho Batman Barri Podían O q 7193141 7180145 3 µ Fpgaso 7180145 12515 411 F 1,51 2,606 No podemos rechazar que Adman Barri podíanso El mejor modelo enestecaso es el 0AM restringido modelos e Tendríamos el siguiente modelo Yi di.tt Bi Xi.tt Bannon dmontpdfri.dfritpdjan.djwntpa.li dmontBs.Xi.t.dfrit Br Xii djan t Eit El beta del retorno de mercado puede variar considerando las distintas dummies PREGUNTA 2 ÚNICOQUECAPTURA CRÉDITO RAZA JUNTOS a Comparamos por TestdeWald losmodelos Mo y MÍ El estadístico Es lsstr.sk iNFcj.n.uayySSRurn lktM donde Ho Bud O F 93128 3,9 aprox En este caso F 203153 193,94 1 I N FUMA 19319 1889 Util Dadoque el valor estimado es mayor al valor crítico se rechaza Ho se concluye que Bud es significativo al 5 de confianza En términos económicos también es significativo HOMBREBLANCO zo DEUDA HOMBRENoBanco zo DEUDA approve 0,938 0,8840,2 0,752or r approve 0,938 0,8840,2 9416.1 VIS 7412 b Hay quehacer el Test de Chow entreambos grupos TAMBIÉN SEPUEDE HACER TESTDEWALD ENTRE No 4 Mt f Sssr SSRur µ f j n µ Ho Bw Bird 0 SSRun ftp.lktl F 203,53 193,9 2 µ f la y Fs46,83N3 aprox 19319 11889 Btt Serechaza la hipótesis nula el modelo es significativamente distinto para ambos grupos c la variable no es una variable omitida en el modeloM3 El cambio de valor en los coeficientes pie y púa tiene que ver con las covarianza de w con d y de w con wa y con la magnitud del coeficiente pico pero no con su significancia d El modelo quemejor explique criterio del er ajustado TE l SSR Ln 1 n K 1 SST Bajo este criterio el MODELO 3 es el mejor e Podemos verla como variable omitido d del modelo 2 cambiando la estimación del W Ese cambio en el estimador tiene que ser el beta de la variable omitido torres por Ti recordar que el sesgo tiene dos componentes Por el beta porcomo se relaciona conEl betacorrecto es el 0,2k del M2 lasotras variables Esta regresión auxiliar nos entrega elbeta y comoserelaciona con las variables Inicialmente sabemos que tú 0,84595 entonces para MI1889 appstore 0,711 t0,195 Ñ approve 0,8759 Mo approve 0,945 0,276 d 0,8759 0,945 0,276 Á Á 0,2503 SABEMOSQUE BÚ EN Ml TIENESESGOPOR VAMABLEOMITIDA RESPECTO A M2 pjnj.pnjtpj.IT En 0,00826 0,195 0,193 0,242 Ir REEMPLAZANDO EN eI Ío tÑaW 012503 Ío 0,00826 0,84595 Ño 0,2433 DEUDA RELATIVA PROMEDIO PARATODA LA POBLACIÓN 0,2133 DEUDA RELATIVA PROMEDIO PARA LARAZA BLANCA 012433 0,00826 0,235004 F Hay que hacer un Test t necesitamos desviación estándar deÉi UNLITelw Ó saw lui ñ sawGRui O wir ni Ó set ser Idi d n K 1 SACAR SE 4 HACERTESTDE SIGNIFICANCIA 9 PRINCIPALES PROBLEMAS Probabilidades fuera de rango Hay problemas de heterocedasticidad b Deuda Relativa Naturalmente endógena por ser una decisión del individuo correlación INGRESO FAMILIAR VAR ESTABILIDAD LABORAL INOBSERVABLES OTROS ACTIVOS PREGUNTA 3 MODELO a TEST DE EXOGENEIDAD Y BotBr Xi t BaXr Bz83 tu Se cree que la variable es endógena y existen dos posibles instrumentoszayz PRIMERA ETAPA Tothe z t Ta ta t ItsXathe X t U X es endógena si Cov u.u 0 sea la regresión 4 Sr te Planteamos la regresión original con el nuevotérmino deU Y p peX PaXatpz.kz t SnU t e TESTEAMOS a Ho S O si SERECHAZA Ho ES EVIDENCIA DEQue Xi EsENDÓGENA He Sr 0 MODELO 1 Image Constantet Breductk.expertpz.se tunovio Base MODELO 4 educe constante Siexpertda Sat dz.meductde.fe.dkTE primera eran asiensocinaras variasesexócenassusurrarnos MODELO 5 wage constantet X eduC t X expert Sa tdo E t r TESTDEENDOGENA suaveResinos DElaPrimeracimaenvsEconomia Dado queel pvalue de Xe es our podemos concluir que la variable educación es endógena serechaza Ho de o b EDUCAGÓN ESENDÓGENA DEBEMOSUSAR MODELO 7 El CUAL ESUNAEstimaciónSOBRE ELSAMOConsusTRUMENTOSPARA INSTRUMENTOS MODELO 7 vs ENCAGÓN Const expert meduc wage ALTAMENTEENDÓGENO t em so seinvalida la estrategia deidentificación NOUSAR MODELO7 BUSCARMODELO7 su salsero opción RAZONABLE MODELO 1 Educación Es ENDÓGENA SIEMPRE EXISTIRÁ ENALMENOSUN GRADO correlaciónconVARIABLES DEHABILIDAD NOSON Oss Porlo QUEESTARÁN EN EL ERROR y CAUSARÁN ENDOGENEIDAD c Morenos El efecto sobre salario de un año más educación es de 5,7 parece razonable MODELO 7 El efecto sobre salario de un año más educación es de 444T essignificativamente alto y parece no ser correcta evidenciando el problema anterior Ya mencionado sobrelos instrumentos d 95 de confianza Ho Beduc Peiper Bso 0 Mirando el modelo 1 se presenta el valor p del estadístico f que estudia la significancia global podemos ver que este es muy pequeño por lo que podemos rechazar Ho 1,7e 28 C TEST DEWHITE setoman losresiduos al cuadrado de la ecuación principal como variable independiente y se explico por los regresares del modelo losproductoscruzados delosregresares 4 combinaciones no lineales Ú Gotbe Xet Sa Xatds Xr Xa 1 Sr Xi t l Xi te PARA NOPERDER GRADOS DE UBERTAD Ú s do t Jr j t ga j t e Ho de fa O RESOLVIENDO ELESTADISTICO p Mi K N Fck n KD 4riña lnk.tl Nosfijamos en el modelo z que es una ecuación para ir y vemos queesta regresión es globalmentesignificativa el pvalue del test E es 9031 porlo que rechazamos el 5 que los estimadores son conjuntamente 0 lo que es evidencia de heterocedersticidad Esto nos convencedeque elmejor modelo detodos es el 3 dadoqueincluye errorescuadráticosrobustos a heterocedasticidad PREGUNTA d TEST DE HETEROCEDASTUDAD Ú GotJr X t SiXx t fue y te a TEST DE HIPÓTESIS Ho Si de Siam O se construye el test i Milk n Fix n x D A Fi n K1 Rechazar Ho vendría siendo rechazar homocedasticidad en favor de heterocedersticidad b El test a usar es f Mi 1k A riña n K I Grados de libertad del estadístico F son i km en el numerador por los 5 coeficientes restringidos que equivalen a los Kir regresores que tenemos ii en 1ktel e n K z en eldenominador c El test de white altener más libertad ajusta mejor Así el ri del test de White es mayor que el de la regresión del enunciado por lo que su p value es menorque el de la regresión efecto que no se revierte al ajustarPor grados de libertad Dado esto lo que se dice en el enunciado es Falso d Siagregamos ji tendríamos ira both X tb É t dei É t e Nohay ventajas dado que no se agrega informaciónnueva la grandesventaja esqueaparece multicolinealidad perfecta por loque no se podría realizar ningún test
Compartir