You are on page 1of 4

MODELO ECONOMETRICO

ESPECIFICACION:
A. Evento analizar: Los precios de Cierre de WTM durante el ao, tiene
un efecto directo sobre el comportamiento del ndice de NYSE.
WMT: Wal-Mart
NYSE: New York Stock Exchange
B. TEORIA QUE SUSTENTA EL ANALISIS: En este caso, la teora que
puede sustentar el anlisis es la generacin y anlisis de medidas
agregadas, para entender el comportamiento de los mercados
financieros. En este caso se generan nmeros ndices basados en
promedios ponderados de canasta de consumo. De esta forma:

Dnde: W representa los pesos de cada activo k considerado de la canasta y


P los precios de cierre de los activos.
C. MODELO A ESTIMAR: Representacin funcional de la estimacin a
realizar
Variable dependiente: NYSE (Y)
Variable independiente: WMT (X1)

NYSEi:

D. Informacin a utilizar:
Unidad de medida de las variables.
NYSE: Unidades de numero de ndice
WMT: USD
Dado que son dos unidades diferentes se puede:
1. Utilizar los valores originales en este caso se debe tener en cuenta
el control de la variabilidad de la informacin.
2. Realizar una transformacin para homologar las variables
y controlar la variabilidad (por lo que se utiliza para este
caso una variacin relativa expresada en trminos de una
funcin log-normal, rendimiento diario).
Temporalidad de la informacin: Diario

Fuente: financie.yahoo.com
Rango de datos: 01/01/2015-31/07/2015.

ESTIMACION
Se refiere al proceso de generacin de la regresin lineal mediante el
mtodo de MCO

cuando los precios de WMT permanecen constantes el valor que toma el


ndice NYSE (DOW JONES) ES 18.638 UNIDADES
si se incrementa en 1 USD el precio de WMT, el valor del ndice NYSE
(Dow Jones) disminuye en 9.39 unidades.

En este caso, el valor esperado condicional estimado muestra una relacin


donde los efectos de la variable independiente afectan negativamente a la
variable dependiente.

VALIDACION
El valor de referencia de los procesos de validacin en MCO es i
a. Supuestos bsicos de MCO
Linealidad en los parmetros o estimadores: dado que la regresin
se basa en los principios de la lnea recta, los estimadores
generados estn elevados a la potencia 1.
El modelo debe estar correctamente especificado: dado que la
teora implcita de la modelacin se enfoca en la generacin de
ndices compuestos, que para este caso son promedios
ponderados, se valida el supuesto de poseer una teora que
soporta el anlisis.
La variable x debe tener varianza finita y positiva:
Var
(WMT)

30.9430012

Se valida el supuesto que x tiene varianza finita y positiva, dado que se


genera a partir de un conjunto de datos discreto

Los valores de x deben ser fijos en muestreos repetitivos: dado


que la serie utilizada parte de los principios de conjuntos
discretos, los valores dentro de la estimacin son iguales
independientemente del tipo de muestreo utilizado.
Principio de homocedasticidad varianza minima
56,110.96

Dado que la varianza total del proceso es diferente de cero, se infiere que la
estimacin posee heterocedasticidad.

Principio de autocorrelacion

Cov ( i , i )=0
Para su validacin se genera el coeficiente de correlacion entre Ui
y Uj donde:
Ui: los valores generados
Uj: la misma variable Ui, medida en un momento de tiempo de
diferente, rezagada un periodo
Coeficiente de
Correlacion
0.80511142
Dado que el valor del coeficiente de correlacion es diferente de cero existe
correlacion serial y por tanto, se infiere la presencia de autocorrelacion.

Principo de Independencias:

Cov ( i, i )=0

Se busca medir el aporte individual de la variable independiente y el


termino de perturbacin para garatnizar independencias.
Se puede utilizar dos formas para su calculo
1. Generar el valor de la covarianza
2. Generar la matriz
COVARIAN 0.0000000005218
ZA
26

miu
WTM (X1)

miu
WTM (X1)
55342.31848
30.73106
5.21826E-10
284

Dado que la varianza es igual a cero de valores del termino de perturbacin


y varianza WMT explican independientemente el comportamiento del ndice
NYSE

N>K, 146>2

No colinealidad enter las variablers independientes, no aplica este


supuesto en el caso de modelos univariados.