Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Econometŕıa I – EAE-250A Predicción en el MRL Jaime Casassus Instituto de Econoḿıa Pontificia Universidad Católica de Chile Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Tabla de Contenidos 1 Predicción Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual vs. predicción promedio • Suponga que se obtiene los estimadores MCO, β̂, para una muestra de n observaciones. • Especificación correcta: la muestra en que se realizó la estimación contiene toda la información relevante para explicar el fenómeno en la población (obviamente más allá de la muestra). • Se busca pronosticar el valor de yτ para un nuevo conjunto de variables independientes, xτ (para evaluar escenarios posibles o por nuevos datos). yτ = x > τ β + uτ donde x>τ = (1 xτ1 · · · xτk). • Si el interés está en predecir yτ = x>τ β + uτ se hablará de predicción individual. • Si, alternativamente, se busca predecir E [yτ |X ] = x>τ β, se habla de predicción media o promedio. • Ambas alternativas dan lugar a la misma predicción puntual, pero diferentes intervalos de confianza, ya que difieren en la varianza del error de predicción. Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual vs. predicción promedio • Suponga que se obtiene los estimadores MCO, β̂, para una muestra de n observaciones. • Especificación correcta: la muestra en que se realizó la estimación contiene toda la información relevante para explicar el fenómeno en la población (obviamente más allá de la muestra). • Se busca pronosticar el valor de yτ para un nuevo conjunto de variables independientes, xτ (para evaluar escenarios posibles o por nuevos datos). yτ = x > τ β + uτ donde x>τ = (1 xτ1 · · · xτk). • Si el interés está en predecir yτ = x>τ β + uτ se hablará de predicción individual. • Si, alternativamente, se busca predecir E [yτ |X ] = x>τ β, se habla de predicción media o promedio. • Ambas alternativas dan lugar a la misma predicción puntual, pero diferentes intervalos de confianza, ya que difieren en la varianza del error de predicción. Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual vs. predicción promedio • Suponga que se obtiene los estimadores MCO, β̂, para una muestra de n observaciones. • Especificación correcta: la muestra en que se realizó la estimación contiene toda la información relevante para explicar el fenómeno en la población (obviamente más allá de la muestra). • Se busca pronosticar el valor de yτ para un nuevo conjunto de variables independientes, xτ (para evaluar escenarios posibles o por nuevos datos). yτ = x > τ β + uτ donde x>τ = (1 xτ1 · · · xτk). • Si el interés está en predecir yτ = x>τ β + uτ se hablará de predicción individual. • Si, alternativamente, se busca predecir E [yτ |X ] = x>τ β, se habla de predicción media o promedio. • Ambas alternativas dan lugar a la misma predicción puntual, pero diferentes intervalos de confianza, ya que difieren en la varianza del error de predicción. Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual vs. predicción promedio • Suponga que se obtiene los estimadores MCO, β̂, para una muestra de n observaciones. • Especificación correcta: la muestra en que se realizó la estimación contiene toda la información relevante para explicar el fenómeno en la población (obviamente más allá de la muestra). • Se busca pronosticar el valor de yτ para un nuevo conjunto de variables independientes, xτ (para evaluar escenarios posibles o por nuevos datos). yτ = x > τ β + uτ donde x>τ = (1 xτ1 · · · xτk). • Si el interés está en predecir yτ = x>τ β + uτ se hablará de predicción individual. • Si, alternativamente, se busca predecir E [yτ |X ] = x>τ β, se habla de predicción media o promedio. • Ambas alternativas dan lugar a la misma predicción puntual, pero diferentes intervalos de confianza, ya que difieren en la varianza del error de predicción. Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual vs. predicción promedio • Suponga que se obtiene los estimadores MCO, β̂, para una muestra de n observaciones. • Especificación correcta: la muestra en que se realizó la estimación contiene toda la información relevante para explicar el fenómeno en la población (obviamente más allá de la muestra). • Se busca pronosticar el valor de yτ para un nuevo conjunto de variables independientes, xτ (para evaluar escenarios posibles o por nuevos datos). yτ = x > τ β + uτ donde x>τ = (1 xτ1 · · · xτk). • Si el interés está en predecir yτ = x>τ β + uτ se hablará de predicción individual. • Si, alternativamente, se busca predecir E [yτ |X ] = x>τ β, se habla de predicción media o promedio. • Ambas alternativas dan lugar a la misma predicción puntual, pero diferentes intervalos de confianza, ya que difieren en la varianza del error de predicción. Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual vs. predicción promedio • Suponga que se obtiene los estimadores MCO, β̂, para una muestra de n observaciones. • Especificación correcta: la muestra en que se realizó la estimación contiene toda la información relevante para explicar el fenómeno en la población (obviamente más allá de la muestra). • Se busca pronosticar el valor de yτ para un nuevo conjunto de variables independientes, xτ (para evaluar escenarios posibles o por nuevos datos). yτ = x > τ β + uτ donde x>τ = (1 xτ1 · · · xτk). • Si el interés está en predecir yτ = x>τ β + uτ se hablará de predicción individual. • Si, alternativamente, se busca predecir E [yτ |X ] = x>τ β, se habla de predicción media o promedio. • Ambas alternativas dan lugar a la misma predicción puntual, pero diferentes intervalos de confianza, ya que difieren en la varianza del error de predicción. Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual • El mejor estimador (MELI) de yτ es ŷτ = x > τ β̂ • Sea eτ el error de predicción eτ = yτ − ŷτ = x>τ (β − β̂) + uτ • Note que E [eτ |X ] = 0. • La varianza del error de predicción es Var [eτ |X ] = Var [−x>τ β̂ + uτ |X ] = Var [x>τ β̂|X ] + Var [uτ |X ]− 2Cov [x>τ β̂, uτ |X ] • Pero Cov [x>τ β̂, uτ |X ] = 0, ¿por qué? • Entonces Var [eτ |X ] = x>τ Var [β̂|X ]xτ + Var [uτ |X ] = σ2(x>τ (X >X )−1xτ + 1) Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual • El mejor estimador (MELI) de yτ es ŷτ = x > τ β̂ • Sea eτ el error de predicción eτ = yτ − ŷτ = x>τ (β − β̂) + uτ • Note que E [eτ |X ] = 0. • La varianza del error de predicción es Var [eτ |X ] = Var [−x>τ β̂ + uτ |X ] = Var [x>τ β̂|X ] + Var [uτ |X ]− 2Cov [x>τ β̂, uτ |X ] • Pero Cov [x>τ β̂, uτ |X ] = 0, ¿por qué? • Entonces Var [eτ |X ] = x>τ Var [β̂|X ]xτ + Var [uτ |X ] = σ2(x>τ (X >X )−1xτ + 1) Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual • El mejor estimador (MELI) de yτ es ŷτ = x > τ β̂ • Sea eτ el error de predicción eτ = yτ − ŷτ = x>τ (β − β̂) + uτ • Note que E [eτ |X ] = 0. • La varianza del error de predicción es Var [eτ |X ] = Var [−x>τ β̂ + uτ |X ] = Var [x>τ β̂|X ] + Var [uτ |X ]− 2Cov [x>τ β̂, uτ |X ] • Pero Cov [x>τ β̂, uτ |X ] = 0, ¿por qué? • Entonces Var [eτ |X ] = x>τ Var [β̂|X ]xτ + Var [uτ |X ] = σ2(x>τ (X >X )−1xτ + 1) Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual • El mejor estimador (MELI) de yτ es ŷτ = x > τ β̂ • Sea eτ el error de predicción eτ = yτ − ŷτ = x>τ (β − β̂) + uτ • Note que E [eτ |X ] = 0. • La varianza del error de predicción es Var [eτ |X ] = Var [−x>τ β̂ + uτ |X ] = Var [x>τ β̂|X ] + Var [uτ |X ]− 2Cov [x>τ β̂, uτ |X ] • Pero Cov [x>τ β̂, uτ |X ] = 0, ¿por qué? • Entonces Var [eτ |X ] = x>τ Var [β̂|X ]xτ + Var [uτ |X ] = σ2(x>τ (X >X )−1xτ + 1) Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual • El mejor estimador (MELI) de yτ es ŷτ = x > τ β̂ • Sea eτ el error de predicción eτ = yτ −ŷτ = x>τ (β − β̂) + uτ • Note que E [eτ |X ] = 0. • La varianza del error de predicción es Var [eτ |X ] = Var [−x>τ β̂ + uτ |X ] = Var [x>τ β̂|X ] + Var [uτ |X ]− 2Cov [x>τ β̂, uτ |X ] • Pero Cov [x>τ β̂, uτ |X ] = 0, ¿por qué? • Entonces Var [eτ |X ] = x>τ Var [β̂|X ]xτ + Var [uτ |X ] = σ2(x>τ (X >X )−1xτ + 1) Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual • El mejor estimador (MELI) de yτ es ŷτ = x > τ β̂ • Sea eτ el error de predicción eτ = yτ − ŷτ = x>τ (β − β̂) + uτ • Note que E [eτ |X ] = 0. • La varianza del error de predicción es Var [eτ |X ] = Var [−x>τ β̂ + uτ |X ] = Var [x>τ β̂|X ] + Var [uτ |X ]− 2Cov [x>τ β̂, uτ |X ] • Pero Cov [x>τ β̂, uτ |X ] = 0, ¿por qué? • Entonces Var [eτ |X ] = x>τ Var [β̂|X ]xτ + Var [uτ |X ] = σ2(x>τ (X >X )−1xτ + 1) Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual (cont.) • ¿Cómo es la distribución de eτ? • El estad́ıstico para la predicción individual es eτ s.e.(êτ ) = yτ − ŷτ√ σ̂2(x>τ (X >X )−1xτ + 1) ∼ tn−k−1 • El intervalo de confianza para yτ al 1− α se construye a partir de∣∣∣∣ eτs.e.(êτ ) ∣∣∣∣ ≥ tα/2 • El intervalo para yτ es ŷτ − tα/2s.e.(êτ ) ≤ yτ ≤ ŷτ + tα/2s.e.(êτ ) donde s.e.(êτ ) = √ σ̂2(x>τ (X >X )−1xτ + 1). Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual (cont.) • ¿Cómo es la distribución de eτ? • El estad́ıstico para la predicción individual es eτ s.e.(êτ ) = yτ − ŷτ√ σ̂2(x>τ (X >X )−1xτ + 1) ∼ tn−k−1 • El intervalo de confianza para yτ al 1− α se construye a partir de∣∣∣∣ eτs.e.(êτ ) ∣∣∣∣ ≥ tα/2 • El intervalo para yτ es ŷτ − tα/2s.e.(êτ ) ≤ yτ ≤ ŷτ + tα/2s.e.(êτ ) donde s.e.(êτ ) = √ σ̂2(x>τ (X >X )−1xτ + 1). Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual (cont.) • ¿Cómo es la distribución de eτ? • El estad́ıstico para la predicción individual es eτ s.e.(êτ ) = yτ − ŷτ√ σ̂2(x>τ (X >X )−1xτ + 1) ∼ tn−k−1 • El intervalo de confianza para yτ al 1− α se construye a partir de∣∣∣∣ eτs.e.(êτ ) ∣∣∣∣ ≥ tα/2 • El intervalo para yτ es ŷτ − tα/2s.e.(êτ ) ≤ yτ ≤ ŷτ + tα/2s.e.(êτ ) donde s.e.(êτ ) = √ σ̂2(x>τ (X >X )−1xτ + 1). Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual (cont.) • ¿Cómo es la distribución de eτ? • El estad́ıstico para la predicción individual es eτ s.e.(êτ ) = yτ − ŷτ√ σ̂2(x>τ (X >X )−1xτ + 1) ∼ tn−k−1 • El intervalo de confianza para yτ al 1− α se construye a partir de∣∣∣∣ eτs.e.(êτ ) ∣∣∣∣ ≥ tα/2 • El intervalo para yτ es ŷτ − tα/2s.e.(êτ ) ≤ yτ ≤ ŷτ + tα/2s.e.(êτ ) donde s.e.(êτ ) = √ σ̂2(x>τ (X >X )−1xτ + 1). Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual en Modelo Simple • Tarea: demuestre que para el modelo simple se cumple que ŷτ − tα/2s.e.(êτ ) ≤ yτ ≤ ŷτ + tα/2s.e.(êτ ) con s.e.(êτ ) = √ σ̂2 ( (xτ−x)2∑n i=1(xi−x)2 + 1n + 1 ) . • La incertidumbre de la predicción es menor cuando: ◦ xτ está cerca de x ◦ El tamaño de la muestra es más grande ◦ El valor de σ2 es menor Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción individual en Modelo Simple • Tarea: demuestre que para el modelo simple se cumple que ŷτ − tα/2s.e.(êτ ) ≤ yτ ≤ ŷτ + tα/2s.e.(êτ ) con s.e.(êτ ) = √ σ̂2 ( (xτ−x)2∑n i=1(xi−x)2 + 1n + 1 ) . • La incertidumbre de la predicción es menor cuando: ◦ xτ está cerca de x ◦ El tamaño de la muestra es más grande ◦ El valor de σ2 es menor Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción promedio • El mejor estimador (MELI) de E [yτ |X ] también es ŷτ = x > τ β̂ • Sea �τ el error de predicción �τ = E [yτ |X ]− ŷτ = x>τ (β − β̂) • Note que E [�τ |X ] = 0. • La varianza de error de predicción es Var [�τ |X ] = σ2x>τ (X>X )−1xτ • El intervalo de confianza para E [yτ |X ] al 1− α es ŷτ − tα/2s.e.(�̂τ ) ≤ E [yτ |X ] ≤ ŷτ + tα/2s.e.(�̂τ ) donde s.e.(�̂τ ) = √ σ̂2x>τ (X >X )−1xτ . Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción promedio • El mejor estimador (MELI) de E [yτ |X ] también es ŷτ = x > τ β̂ • Sea �τ el error de predicción �τ = E [yτ |X ]− ŷτ = x>τ (β − β̂) • Note que E [�τ |X ] = 0. • La varianza de error de predicción es Var [�τ |X ] = σ2x>τ (X>X )−1xτ • El intervalo de confianza para E [yτ |X ] al 1− α es ŷτ − tα/2s.e.(�̂τ ) ≤ E [yτ |X ] ≤ ŷτ + tα/2s.e.(�̂τ ) donde s.e.(�̂τ ) = √ σ̂2x>τ (X >X )−1xτ . Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción promedio • El mejor estimador (MELI) de E [yτ |X ] también es ŷτ = x > τ β̂ • Sea �τ el error de predicción �τ = E [yτ |X ]− ŷτ = x>τ (β − β̂) • Note que E [�τ |X ] = 0. • La varianza de error de predicción es Var [�τ |X ] = σ2x>τ (X>X )−1xτ • El intervalo de confianza para E [yτ |X ] al 1− α es ŷτ − tα/2s.e.(�̂τ ) ≤ E [yτ |X ] ≤ ŷτ + tα/2s.e.(�̂τ ) donde s.e.(�̂τ ) = √ σ̂2x>τ (X >X )−1xτ . Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción promedio • El mejor estimador (MELI) de E [yτ |X ] también es ŷτ = x > τ β̂ • Sea �τ el error de predicción �τ = E [yτ |X ]− ŷτ = x>τ (β − β̂) • Note que E [�τ |X ] = 0. • La varianza de error de predicción es Var [�τ |X ] = σ2x>τ (X>X )−1xτ • El intervalo de confianza para E [yτ |X ] al 1− α es ŷτ − tα/2s.e.(�̂τ ) ≤ E [yτ |X ] ≤ ŷτ + tα/2s.e.(�̂τ ) donde s.e.(�̂τ ) = √ σ̂2x>τ (X >X )−1xτ . Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción promedio • El mejor estimador (MELI) de E [yτ |X ] también es ŷτ = x > τ β̂ • Sea �τ el error de predicción �τ = E [yτ |X ]− ŷτ = x>τ (β − β̂) • Note que E [�τ |X ] = 0. • La varianza de error de predicción es Var [�τ |X ] = σ2x>τ (X>X )−1xτ • El intervalo de confianza para E [yτ |X ] al 1− α es ŷτ − tα/2s.e.(�̂τ ) ≤ E [yτ |X ] ≤ ŷτ + tα/2s.e.(�̂τ ) donde s.e.(�̂τ ) = √ σ̂2x>τ (X >X )−1xτ . Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Ejemplo: segunda etapa de Fama-MacBeth Usted extiende el modelo de Fama-MacBeth a 2 factores de riesgo accionario: el mercado y el precio del cobre. La siguiente tabla muestra las sensibilidades de cada industria con respecto a las rentabilidades de mercado y a los cambios en el precio del cobre (es decir, el resultado de la primera etapa de Fama-MacBeth). Por simplicidad, suponga que los estimadores de βM y βC son los estimadores poblacionales. Sector Rentabilidad Beta de mercado Beta de cobre mensual (r) (βM ) (βC ) Commodities 0,89% 1,15 0,19 Retail 0,79% 1,22 0,12 Industrial 0,55% 1,01 0,04 Consumo 0,49% 0,92 0,12 Para la segunda etapa de Fama-MacBeth usted busca estimar: r = θ0 + θMβM + θCβC + u Además, usted sabe que: θ̂0 = −0, 57; θ̂M = 1, 02; θ̂C = 1, 28 y (β>β)−1 = ( 22, 12 −21, 37 9, 38 −21, 37 22, 12 −20, 5 9, 38 −20, 5 107, 69 ) donde β> = (1 βM βC ). • Realice una predicción de la rentabilidad esperada para la industria financiera que tiene βM = 0, 8 y βC = 0, 15. Considere un intervalo de confianza al 95%. • Realice una predicción de la rentabilidad esperada para el promedio de las industrias que tienen βM = 0, 8 y βC = 0, 15. Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Ejemplo: segunda etapa de Fama-MacBeth Usted extiende el modelo de Fama-MacBeth a 2 factores de riesgo accionario: el mercado y el precio del cobre. La siguiente tabla muestra las sensibilidades de cada industria con respecto a las rentabilidades de mercado y a los cambios en el precio del cobre (es decir, el resultado de la primera etapa de Fama-MacBeth). Por simplicidad, suponga que los estimadores de βM y βC son los estimadores poblacionales. Sector Rentabilidad Beta de mercado Beta de cobre mensual (r) (βM ) (βC ) Commodities 0,89% 1,15 0,19 Retail 0,79% 1,22 0,12 Industrial 0,55% 1,01 0,04 Consumo 0,49% 0,92 0,12 Para la segunda etapa de Fama-MacBeth usted busca estimar: r = θ0 + θMβM + θCβC + u Además, usted sabe que: θ̂0 = −0, 57; θ̂M = 1, 02; θ̂C = 1, 28 y (β>β)−1 = ( 22, 12 −21, 37 9, 38 −21, 37 22, 12 −20, 5 9, 38 −20, 5 107, 69 ) donde β> =(1 βM βC ). • Realice una predicción de la rentabilidad esperada para la industria financiera que tiene βM = 0, 8 y βC = 0, 15. Considere un intervalo de confianza al 95%. • Realice una predicción de la rentabilidad esperada para el promedio de las industrias que tienen βM = 0, 8 y βC = 0, 15. Casassus (UC) EAE-250A - Econometŕıa I 11-May-16 Predicción Predicción individual vs. predicción promedio Predicción individual Predicción individual en Modelo Simple Predicción promedio Ejemplo: segunda etapa de Fama-MacBeth
Compartir