Reducción del sesgo en modelos factoriales de baja dimensión : una aplicación a sistemas de información en el mercado financiero

Abstract

En la presente investigación se aplicó el Bootstrap paramétrico y no paramétrico a los estimadores de Fama-Macbeth, Shanken y Bai-Zhou para obtener estimadores con el sesgo y el error cuadrático medio relativos reducidos respecto a los mencionados utilizando para el estudio simulaciones generadas a partir de datos generados por investigadores extranjeros dado que a nivel nacional no se posee acceso a datos de ese tipo, también se generaron intervalos de confianza para los estimadores mencionados y los obtenidos. Se simularon datos utilizando diferentes tipos de residuales, tamaños de cartera y tamaños de periodo de investigación. Se aplicó Bootstrap en el primer paso del modelo multifactorial en todos los casos, resultando que el método Bootstrap paramétrico logra mejoras solo en el caso de aplicarlo al estimador de Fama-Macbeth cuando la distribución de los errores es asimétrica. En el resto de los casos obtiene resultados similares a los estimadores de Bai-Zhou y en determinadas situaciones estimadores con pésimas características en términos de sesgo y error cuadrático medio. Se observó que las estimaciones puntuales son mejores cuando se considera aumentos en el periodo de tiempo, pero cambios en el tamaño de la cartera no tiene impactos significativos. En los intervalos de confianza bajo el enfoque de Fama-Macbeth se obtiene en los dos casos Bootstrap menor variabilidad cuando el tiempo es pequeño y se incrementa el tamaño de la cartera; mientras que en el enfoque Shanken se presenta menor variabilidad en todos los casos respecto al enfoque de Fama-Macbeth.

In this study, parametric and nonparametric bootstraps were applied to the Fama- Macbeth, Shanken, and Bai-Zhou estimators to obtain estimators with reduced bias and root mean square error compared to the cited estimators. Simulations were generated from data generated by foreign researchers, given that such data are not available at the national level. Confidence intervals were also generated for the cited and the obtained estimators. Data were simulated using different types of residuals, portfolio sizes, and research period sizes. Bootstrapping was applied in the first step of the multifactor model in all cases. It turned out that the parametric bootstrap method achieves parsimony only when applied to the Fama-Macbeth estimator when the error distribution is skewed. In the remaining cases, it obtains results similar to the Bai-Zhou estimators, and in certain situations, it produces estimators with poor characteristics in terms of bias and root mean square error. It was observed that point estimates are better when considering increases in the time period, but changes in portfolio size do not have significant impacts. Confidence intervals under the Fama-Macbeth approach show lower variability in both bootstrap cases when the time period is short and the portfolio size increases; while the Shanken approach shows lower variability in all cases compared to the Fama-Macbeth approach.