Estimación del retardo temporal para contrastar series de tiempo de activos financieros

Resumo

Palabras claves: Integral de Correlación, estructura de retardos temporales, series de tiempo, no linearidad RESUMEN El primer paso crucial en la descripción de un modelo general para una serie de tiempo financiera, es la selección de los retardos que deben ser incluidos, ya que es esencial en la predicción y desarrollo de los modelos económicos. Tradicionalmente, para la especificación de los retardos apropiados en un modelo se utilizan los coeficientes de autocorrelación y de autocorrelación parcial. Sin embargo, es conocido que procesos con autocorrelación cero pueden exhibir todavía un alto orden de dependencia o de dependencia no lineal, como sería el caso de algunos procesos biliniales e incluso con modelos deterministas caóticos puros, entre otros. En general, los procedimientos basados en la autocorrelación pueden arrojar resultados engañosos cuando se analizan modelos no lineales, por lo que no es posible detectar importantes relaciones no lineales en los datos, limitando su utilidad en la detección de retardos de tiempo apropiados (retrasos), especialmente en aquellos escenarios donde los fenómenos no lineales son más la regla que la excepción. En la actualidad es un hecho generalmente aceptado el que las variables económicas más importantes son de naturaleza no lineal y que entre ellas abunden relaciones no lineales. Desde un punto de vista econométrico y estadístico, esta situación ha motivado el desarrollo de pruebas de dependencia serial, más aún, cuando las herramientas estadísticas que existen, tienen muchas limitaciones para llevar a cabo la selección de retardos significativos, lo que conduce a que probablemente se hagan elecciones de valores inapropiados. Por tal motivo en la presente investigación, tomando un camino diferente al de las autocorrelaciones y autocorrelación parcial, se propone y desarrolla un nuevo procedimiento estadístico no paramétrico que permite identificar los retardos significativos que deben estar presentes en la descripción y el desarrollo de modelos de series de tiempo de naturaleza desconocida, sean éstos lineales o no lineales. Adicionalmente se diseña y aplica un procedimiento bootstrap basado en una prueba estadística para seleccionar entre los posibles desfases pertinentes, logrando que esta contribución marque una diferencia interesante con respecto a otros procedimientos disponibles, que no proporcionan un marco de prueba de hipótesis.