Econometria

Solo disponible en BuenasTareas
  • Páginas : 5 (1223 palabras )
  • Descarga(s) : 0
  • Publicado : 9 de marzo de 2012
Leer documento completo
Vista previa del texto
Econometría financiera II –Examen rápido nº2

1) VERDADERO/FALSO (10 puntos): Indicar si es verdadero o falso (Correcto : 1 / Equivocado : 0)

1. Solo se puede predecir 2 valores futuros de un modelo AR (2). F

2. No hay diferencia entre una predicción in-sample y out-of-sample, aparte de un ajuste estadístico para la predicción out-of-sample. F

3. De acuerdo a los modelos ARCH yGARCH, cuando tengo un rendimiento elevado, el próximo rendimiento será probablemente amplio (importante, que sea positivo o negativo). V

4. En un modelos ARCH (1), el valor anticipado de la varianza se escribe :
F
5. En un modelo GARCH(1), el valor anticipado de la varianza se escribe :

F
6. El MSE y MAE sirven para comprobar la correlación de los datos. F

7. La forma de laecuación del promedio de un modelo GARCH (yt =…) pude ser de diferentes tipos, pero, la ecuación de su varianza siempre se caracteriza por su auto-correlación. V

8. Los valores de los MSE y MAE son muy útiles en sí mismos, independientemente de la posibilidad de comparar los MAE y MSE de diferentes modelos para los mismos datos y periodos de predicción. F

9. Para predecir los valores de unproceso ARMA (p,q), realizo una predicción de forma separada de los valores de los procesos AR(p) y MA(q) y luego sumo los valores. V

10. En la prueba Dickey-Fuller, se rechaza la hipótesis HO de no estacionaridad de los datos cuando el valor obtenido es más negativo que el valor critico. V

2) PREGUNTAS MULTIPLES (10 puntos): escoger la respuesta correcta (Correcto: 2 / Equivocado : 0)

1. Los2 grandes componentes de un criterio de información son :

a) Un parámetro que depende de la varianza residual (σ2) y una penalidad cuando se quita un parámetro del modelo.
b) Un parámetro que depende de la varianza residual (σ2) y una penalidad cuando se agrega un parámetro al modelo.
c) Un parámetro que depende de la varianza residual (entre más elevada la varianza residual, más bajo esel criterio) y una penalidad cuando se agrega un parámetro extra al modelo.

2. La diferencia principal entre la predicción estática y dinámica es :

a) La predicción dinámica es más precisa y fidedigna.
b) Solo la predicción estática permite predecir datos afuera de la muestra.
c) La predicción estática utiliza para el periodo de predicción datos reales mientras que la prediccióndinámica utiliza únicamente para este periodo los valores predichos.
3. La prueba Philips-Perron :

a) Tiene como hipótesis nula que la serie es no estacionaria
b) Se debe utilizar únicamente en caso de duda sobre la prueba Dickey-Fuller
c) Es un modelo de predicción no lineal

4. El método Box-Jenkins incluye 3 grandes etapas :

a) Comprobar la estacionaridad de los datos.
b) Identificarel modelo, estimarlo y comprobar su adecuación a los datos (verificación).
c) Comprobar si los datos no son heterocedasticos.

5. En los modelos ARCH y GARCH, la volatilidad y el riesgo son :

a) Crecientes.
b) Constantes.
c) Variables de un periodo a otro.

3) DEFINICIÓN (20 puntos): Definir los siguientes conceptos en 5 líneas máximo. 4 puntos por definición.


Definir de formaresumida a que corresponde un modelo ARCH. Dar un ejemplo de un modelo ARCH (1) completo.
La forma de la ecuación del promedio de un modelo ARCH (yt =…) pude ser muy variada (regresión lineal, modelo ARMA…). Pero, la ecuación de su varianza siempre se caracteriza por su auto-correlación : hay una correlación de s2t con los datos reales de la varianza





Definir de forma resumida a quecorresponde un modelo GARCH. Dar un ejemplo de un modelo GARCH (1) completo.
La forma de la ecuación del promedio de un modelo GARCH (yt =…) pude ser muy variada (regresión lineal, modelo ARMA…). Pero, la ecuación de su varianza siempre se caracteriza por su auto-correlación : hay una correlación de s2t con los datos reales de la varianza (u2t, u2t-1, u2t-2…) y con los valores esperados de...
tracking img