Documentos de Académico
Documentos de Profesional
Documentos de Cultura
11 de enero de 2021
ii. Si sabemos que los log-returns univariantes se distribuyen normalmente, ¿necesita una
prueba alternativa para analizar la normalidad multivariada? (0.5 puntos)
No, porque en la práctica las curvas de rendimiento cambia de forma con el tiempo, y la distribución
de los cambios en las tasas de interés puede no ser la normal.
$Sigma
[,1]
[1,] 0.0008844862
$cor
[1] NA
$ll.max
[1] 1054.446
> mod.t
$converged
[1] TRUE
$par.ests
nu mu sigma
2.7419935980 0.0005619771 0.0174771737
$par.ses
nu mu sigma
0.4008993214 0.0009639871 0.0010750825
$asymp.cov
nu mu sigma
nu 1.607203e-01 -2.601414e-05 2.862288e-04
mu -2.601414e-05 9.292711e-07 -6.746083e-08
sigma 2.862288e-04 -6.746083e-08 1.155802e-06
$ll.max
[1] 1126.06
mu:
[1] -0.0001600363 -0.0001650863 -0.0008563886
sigma:
BBVA SAN CAI
BBVA 0.0010949138 0.0009670211 0.0009077786
SAN 0.0009670211 0.0010664535 0.0008974641
CAI 0.0009077786 0.0008974641 0.0018652153
gamma:
[1] 0 0 0
Call:
fit.tmv(data = val.ln, symmetric = T)
Optimization information:
log-Likelihood: 3823.148
AIC: -7626.297
Fitted parameters: lambda, mu, sigma; (Number: 10)
Number of iterations: 177
Converged: TRUE
Dist. 2
Parameters:
nu
2.87123
mu:
[1] -0.0003971690 0.0002327978 -0.0012724086
sigma:
BBVA SAN CAI
BBVA 0.0010888461 0.0009619970 0.0009026875
SAN 0.0009619970 0.0010596265 0.0008928593
CAI 0.0009026875 0.0008928593 0.0018512999
gamma:
[1] 0.0005917071 -0.0009795634 0.0010593284
Call:
fit.tmv(data = val.ln, symmetric = FALSE)
Optimization information:
log-Likelihood: 3824.434
AIC: -7622.869
Fitted parameters: lambda, mu, sigma, gamma; (Number: 13)
Number of iterations: 174
Converged: TRUE
i. Si se supone que los valores extremos siguen una distribución de tipo Pareto, interprete
los valores de "u", "alfa" y "xi" que están impresos en el gráfico. (0.75 puntos)
La distribución de Pareto Tipo I se caracteriza por un parámetro de escala x my
un parámetro de forma α , que se conoce como índice de cola . Cuando esta
distribución se utiliza para modelar la distribución de la riqueza, entonces el
parámetro α se denomina índice de Pareto .
ii. Estime el VaR a un nivel de confianza del 99% asumiendo que los valores extremos
α
k
siguen una distribución de Pareto (no GPD). Se sabe que F L ( l )=1− ( ) (puede utilizar
l
el Excel o el R para realizar los cálculos). (0.75 puntos)