Examen Parcial

ECONOMETRIA II - EC611L 2017-II

UNIVERSIDAD NACIONAL DE INGENIERIA
Escuela Profesional de Ingenierı́a Económica
Rafael Caparó
rafael.caparo@unistra.fr
May 14, 2018

Abstract
El examen tiene una duración de 90 minutos, usted deberá enviar todos los archivos uti-
lizados al correo del curso, zipeados con su nombre, apellido y sección para completar la parte
de laboratorio. La prueba exige un nivel de rapidez - UNI, sea conciso en sus sustentaciones.
Respecto a los ejercicios se anula respuesta mal planteada, sea ordenado y claro con sus ecua-
ciones. Sólo use una media cara por respuesta.

1 Preguntas del balotario (25%)

1.1 Estimación MV para modelos de variable dependiente discreta
Recordando que en un modelo Probit la función de distribución Φ considerada N (0, 1), vamos a es-
timar los parámetros involucrados, ademas sabemos que los modelos donde la endógena es discreta
(Binomial) se estiman mejor con métodos como el de Máxima Verosimilitud (MV). El estimador
de MV es eficiente y mejora las estimaciones de los modelos lineales de probabilidad cuando se usa
técnicas como MCG, ante ello se le pide lo siguiente:

1. (0.5 ptos) Considere una función Probit para la distribución, muestre que la función de
verosimilitud, cuando se considera una Probit está dada por:
0 0
L = ΠN Yi
1 [Φ(xi β)] [1 − Φ(xi β)]
1−Yi

2. (0.5 ptos) Utilice las CPO y encuentre las condiciones necesarias de optimalidad:
Yi − Φ(x0i β)
S(β) = ΣN
1 f (x0i β)xi = 0
Φ(x0i β)[1 − Φ(x0i β)]
3. (0.5 ptos) Muestre que la matriz de información,I(β) (Matriz hessiana) respecto a los
parámetros β está dada por:
[f (x0i β)]2
I(β) = ΣN
1 xi x0i
Φ(x0i β)[1 − Φ(x0i β)]

4. (0.5 ptos) Desarrolle un algoritmo en el software que usted requiera ( Python, R, MAT-
LAB,Stata,etc) para estimar los parámetros considerando la técnica de MV, recuerde la
relación siguiente para corregir al estimador del vector β en cada iteración:
β̂n = β̂n−1 + [I(β̂n−1 )]−1 S(β̂n−1 )

1
1.2 Ejercicio de cálculo
Suponga que una pareja que desea forman un hogar se vuelve propietaria de su casa si es lo
suficientemente rica, superior a un nivel de ingreso considerado no observable. Sean X1 yX2 son
sus respectivos ingresos. Suponemos que los ingresos de ambos cónyuges están correlacionados
(por un fenómeno bien conocido de la endogamia) y que:
     2 
X1 m1 σ1 ρσ1 σ2
∼N ,
X2 m2 ρσ1 σ2 σ22

1. Calcular (0.5 ptos)1 :

P rob(X1 + X2 > s|X2 = x2 )
2. Calcular (0.5 ptos):
P rob(X1 + X2 > s)

1.3 Aplicación de los modelos Logit Multinomiales

Sea yi la decisión de una persona ( individuo i) para elegir a un candidato presidencial, suponga
que solo hay tres candidatos: A, B y C, respectivamente codificadas como: 1, 2 y 3, el orden no
importa para esta aplicación. Se puede considerar como supuesto que se elija al candidato A (con
código 1) como referencia. Queremos modelar la probabilidad de ocurrencia (la probabilidad de
elegir al candidato) de estas tres modalidades en función de una sola variable para facilitar los
cálculos y una constante, la variable considerada como explicativa la denotaremos x y captura
el hecho si la persona que toma la decisión realizó estudios universitarios o no2 . Para este caso
considere un modelo logit multinomial tal que:

exp(αj + βj xi )
P rob(yi = j) =
Σ3k=1 exp(αk + βk xi )
Donde P rob(yi = j) designa la probabilidad que el individuo i escoja la elección j, considere:
α1 = β1 = 0 y que jota toma tres valores (1,2,3), adicionalmente se tiene 500 observaciones
repartidas, tal que:

Número de Observaciones yi xi
130 observaciones yi = A xi = SiEduc.Superior
130 observaciones yi = A xi = N oEduc.Superior
60 observaciones yi = B xi = SiEduc.Superior
120 observaciones yi = B xi = N oEduc.Superior
0 observaciones yi = C xi = SiEduc.Superior
60 observaciones yi = C xi = N oEduc.Superior

1. Encuentre la M.V de los parámetros del modelo, escriba en función de los parámetros
α2 , α3 , β2 y β3 , la probabilidad que el individuo i escoja las modalidades A, B o C para los
sgtes casos: Cuando xi = N oEduc.Superior y cuando xi = SiEduc.Superior.(0.25 ptos)

2. Muestre la función de verosimilitud en logaritmos, en base a la cantidad de datos del cuadro

anterior y a los coeficientes α y β y compruebe si se obtiene la siguiente función a maximizar:
(0.25 ptos):

lnL(y, α2 , α3 , β3 , β2 ) = −ΣN
i=1 ln[1 + exp(α2 + β2 xi ) + exp(α3 + β3 xi )] + 180α2 + 60β2 + 60α3

3. Mencione los algoritmos que utilizarı́a para maximizar la Verosimilitud, desarrolle algunos
de los algoritmos mencionados (0.5 ptos)

1 ayuda:
ρσ1
X1 |X2 = x2 ∼ N (m1 + (x2 − m2 ), (1 − ρ2 )σ12
σ2
2 variable dicotómica denotada por xi = 1 si realizó estudios universitarios ó 0 si no realizó estudios universitarios

2
 4. Muestre que los estimadores de MV de los parámetros α2 , α3 , β2 y β3 verifican las cuatro
estimaciones siguiente(0.5ptos):

ΣN ˆ N ˆ
i=1 P rob(yi = 2) = 180 ; Σi=1 P rob(yi = 2) ∗ xi = 60;
N ˆ
Σi=1 P rob(y N ˆ
i = 3) = 60 ; Σi=1 P rob(yi = 3) ∗ xi = 0.

Considerando que:
ˆ
exp(αˆj + βj xi )
ˆ
P rob(y i = j) =
Σk=1 exp(αˆk + βˆk xi )
3

5. Determine el efecto marginal de la variable x sobre la probabilidad que el individuo escogiese

la modalidad j, considerando los tres posibles valores de j (1,2,3), muestre que el efecto
marginal sobre la probabilidad que el individuo escoja la modalidad de referencia es igual
a(0.5 ptos):
exp(α2 ) + exp(α3 ) − exp(α2 + β3 ) − exp(α3 + β3 )
EMp0 |xi =
1 + exp(α2 + β2 ) + exp(α3 + β3 )

2 Preguntas nuevas econometrı́a Sección L 2017-II 75%

2.1 Econometrı́a Bancaria
2.1.1 Probabilidad de incumplimiento: El caso de bonos
el gerente de riesgos de ParisIntFund se ha enterado que usted ha llevado el curso de Econometrı́a
II y le ha encomendado la tarea hacer un modelo de ingenierı́a capaz de detectar, monitorear y
mitigar pérdidas derivadas del incumplimiento (Credit Risk). En tal sentido usted se ha reunido
con su grupo de trabajo y ha decidido liderar el desarrollo de un conjunto de modelos, comenzando
por calcular la probabilidad de incumplimiento de algunos bonos que se han adquirido en el fondo.
Luego de na revisión bibliográfica usted y su grupo se han dado el tiempo de listar un conjunto
de técnicas para el analisis del Credit Risk en bonos y han percatado que el mas utilizado es el
modelo LOGIT, decidiendo realizar los siguientes pasos:
1. (1 pto) Bosqueje un modelo de incumplimiento que modele la probabiliddad que un bono
entre en default (incumplimiento) en función de 3 variables exógenas relevantes, describa
cada una de las variables que va a considerar. (Aquı́ deberá hacer énfasis en la descripción
de las partes del modelo3 ).
2. (1 pto) Suponga que el error del modelo planteado se distribuye con una función de densidad
acumulativa denotada por F con las caracterı́sticas correspondientes al residuo del modelo,
plantee la función de verosimilitud que usarı́a como función objetivo a maximizar en función
de F o en función de la función de densidad de probabilidad f.
3. (1 pto) Realice el mismo ejercicio anterior pero ahora asuma que las funciones a considerar
son una LOGÍSTICA y una NORMAL.
4. (2 ptos) Considere la expresión de la Función de Verosimilitud en el caso LOGÍSTICO y
estime los parámetros del modelo planteado.
.

2.2 Logit ordenados

Supongamos que deseamos analizar la frecuencia de ir al cine por un grupo de individuos. Los
datos recolectados muestran que si el individuo nunca va al cine (Fi = 0), si va al cine al menos
una vez cada dos mes (Fi = 1), menos de una vez al mes (Fi = 2) o al menos una vez al mes
(Fi = 3). De tal manera que considera:
Donde Sj+1 >= sj y la variable latente está definida como yi∗ = xi β + εi con xi = (x1i . . . xK
i ),
β = (β1 , β2 ...βK )0 pertenece a los RealesK , εi N.i.d.(0, σε2 ). Las variables son
3 Quizás un modelo tipo y = β0 + β1 x1 + β2 x2 + β3 x3 + ε

3
 Figure 1: Modelo multinomial ordenado

1. Edad y edad al cuadrado (edad2, medida en años).

2. El diploma con seis modalidades que están en el orden: ¿ Bac + 2, Bac + 2, Bac, BEP-CAP,
Brevete y ningún diploma (benchmark o unidad de referencia).
3. El ingreso por tramo. Por ejemplo, rev 46000 = 1 si el individuo gana entre 37000 PEN y
46000PEN por año, siendo la medida de referencia un ingreso inferior o igual a 27000 PEN.
4. Área residencial. Por ejemplo, ville 10000 = 1 si el individuo vive en una ciudad con menos
de de 10000 habitantes y ville plus una ciudad de más de 50,000 habitantes. La modalidad
de referencia corresponde a ciudades con 10,000 y 50,000 habitantes

1. (0.5ptos) A partir de la salida (resultados con software) que se muestran en el siguiente

cuadro muestre los valores de los umbrales que se han estimado, la verosimilitud alcanzada
y las variables no significativas.
2. (0.5ptos) Comente sobre los resultados. En particular, comente sobre el efecto de la edad e
interprete el efecto del diploma.

3. (1 punto): Exprese la probabilidad estimada de ir al cine al menos una vez cada dos meses
según los parámetros, σ 2 , β y si , como se ve el programa no estima la constante de la regresión,
ni la varianza σ 2 .¿Por qué?
4. (1 punto): ¿Cuál es la probabilidad estimada de ir al cine al menos una vez cada dos meses
para un individuo con un bachillerato, de 35 años de edad, que vive en una ciudad de 20 000
habitantes y gana 25,000 PEN por año?

3 Laboratorio de ingenierı́a económica: Portafolio de bonos

de las AFPs, un análisis econométrico
La Administradora de Fondos de Pensiones AixAFP lo ha contratado para realizar un estudio
sobre el mercado de bonos peruano, la empresa desea incursionar al mercado local con una gran
cantidad de dinero4 . De esa manera: La gestión de grandes montos de dinero, la búsqueda de una
rentabilidad basada en el perfil del inversionista y la optimización de los recursos financieros serán
algunas de las responsabilidades que usted deberá tener en cuenta, para ello se le pide realice lo
siguiente:

- Construya una cross section del último mes y del ultimo año de los bonos que tienen las
AFPs peruanas, para ello deberá tener una columna con el ticker del bono, y sus caracterı́sticas
intrı́nsecas (emisor,monto,tasa cupón, entre otras ) y extrı́nsecas (calificaciones de las agencias,
paı́s, moneda, caracterı́sticas de las curvas de rendimiento, caracterı́sticas de la institución que
compra el bono,etc.), en base a la información de la SBS 5
construya su base de datos, para calentar comience haciendo un diagnóstico de la hoja 1 del
excel del mes de diciembre 2016(1pto).

4 Se debe asumir a AixAFP como un inversionista no residente que tiene sus ingresos en EUR, considere los tipos

de cambio: EURUSD, USDPEN.

5 Revisar la siguiente web http://www.sbs.gob.pe/app/stats/EstadisticaBoletinEstadistico.asp?p=54

4
 Figure 2: Modelo multinomial ordenado

- Estime la probabilidad que un bono adquirido por una AFP provenga del sector: Ban-
cos(4pts). Sugerencia: Deberá considerar la hoja 6 del excel de diciembre del 2016 de la web de
la SBS y construir su sección cruzada en función a los datos que encuentre, realice un diagnos-
tico descriptivo y estime un logit multinomial considerando como endógena la variable sectores
(Almacenes Comerciales, Bancos, Compañı́as de Seguros,Entidades Financieras Internacionales,
Financieras, Gobierno,... ) que previamente debe construir.

- Construya un logit con 1 si el bono local es de un banco y 0 el resto, estime la misma

probabilidad de la pregunta anterior (1pto)

4 Laboratorio de ingenierı́a económica en R o Stata: Econometrı́a

Bancaria
Este laboratorio esta relacionado a los temas vistos en clase, por ende debe considerar las sigu-
ientes lı́neas de acuerdo a los temas revisados y a las bases de datos aplicados. La base de datos
econometriabancaria.xls contiene datos que usted debe considerar para desarrollar dos modelos: 1)
El primer modelo consiste en encontrar el perfil del cliente que comete incumplimiento mientas que
2) El segundo modelo consiste en encontrar el perfil del cliente que puede ser considerado como
cliente Normal, Con Problema Potencial, Deficiente, Dudoso o Pérdida. Para desarrollar estos
modelos usted debe considerar lo siguiente:

1. Diagnóstico de los datos (0.5ptos): Análisis descriptivo de los datos, presencia de datos ex-
tremos, raros o con poca interpretación, usar histogramas, gráficas de caja, scatters, pruebas
de normalidad, etc.

5
2. Encontrar un modelo que pueda predecir el incumplimiento. (1pto): Se valida la capacidad
para interpretar los resultados del modelo estimado, la valides de los parámetros, la capacidad
predictiva y la forma de redactar su respuesta.
3. Encontrar un modelo que pueda hacer un ranking de clientes. (1pto): Se valida la capacidad
para interpretar los resultados del modelo estimado, la valides de los parámetros, la capacidad
predictiva y la forma de redactar su respuesta.
4. Del modelo del incumplimento responda: 1) el estar en el ranking de universidad 2 y 3 da
lo mismo para el incumplimiento, 2) el estar en el ranking 2 de la universidad genera un
aumento del 100% respecto al estar en el ranking 1. (1pto)

¡Enseña para que digan cuanto he aprendido y no para que digan cuanto sabes !