Reducción del sesgo de los estimadores de modelos lineales de valoración de activos con factores omitidos

• Autor: Fernandez Villarreal, Jorge Antonio
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/28797
• Enlace del recurso: http://hdl.handle.net/20.500.14076/28797
• Nivel de acceso: acceso abierto
• Materia: Modelos Lineales (Estadística); Reducción del sesgo de estimadores; Factores de riesgo; Análisis de Componentes Principales (PCA); Mercados financieros; Valoración de Activos; https://purl.org/pe-repo/ocde/ford#1.01.03

Numerosos trabajos académicos en la literatura de valoración de activos muestran que las fluctuaciones de los retornos son causadas por muchos factores, habiéndose re- portado hasta la fecha alrededor de 202 factores de riesgo (Harvey, Liu, y Zhu, 2016). Para fines prácticos, muchos profesionales consideran únicamente algunos factores para la toma de decisiones, como el mercado, el valor y el momentum, entre otros. En los modelos lineales de valoración de activos, los estimadores de las primas de riesgo están sesgados por la omisión de factores en el análisis. Este problema fue abordado primero por Fama y MacBeth, quienes propusieron su famoso método de regresión de dos pasos para estimar la prima de riesgo (Fama-MacBeth regression). Sin embargo, este enfoque también puede inducir sesgos potenciales debido a los factores omitidos y posibles errores de medición. Con el fin de mejorar el problema de la omisión de factores en los modelos lineales de valoración de activos, este trabajo estudia e implementa una nueva metodología llamada método de tres pasos, introducida por Giglio y Xiu en 2021 (Giglio y Xiu, 2021). En este estudio, primero presentamos la regresión de Fama-MacBeth, analizamos las propiedades estadísticas de los estimadores y demostramos cómo esta regresión de dos pasos aún puede presentar sesgos de omisión. Luego, estudiamos las propiedades estadísticas del método de tres pasos propuesto por Giglio y Xiu (Giglio y Xiu, 2021). Finalmente, aplicamos esta nueva metodología a un conjunto de datos reales para comparar los métodos.