Técnicas estadísticas y computacionales para extraer factores de riesgo sistemático subyacentes: un estudio comparativo en la Bolsa Mexicana de Valores
| Autor | Ladrón de Guevara Cortés Rogelio, Torra Porras Salvador, Monte Moreno Enric |
| Cargo | Universidad Veracruzana - Universidad de Barcelona - Universidad Politécnica de Cataluña |
| Páginas | 513-543 |
513
Rogelio Ladrón de Guevara Cortés*
Salvador Torra Porras**
Enric Monte Moreno***
Recibido: 18 de noviembre de 2020
Evaluación: 31 de marzo de 2021
Aprobado: 30 de julio de 2021
* Ph.D. in Business Studies. Professor-
Researcher. Institute of Research and
Graduate Studies in Administrative Sciences
(IIESCA). Universidad Veracruzana. Mexico.
e-mail: roladron@uv.mx
https://orcid.org/0000-0001-9365-2080
** Ph.D. in Economic Sciences. Professor-
Researcher. Department of Econometrics,
Statistics, and Applied Economy. Faculty
of Economics and Business. University of
Barcelona. Spain. e-mail: storra@ub.edu.
https://orcid.org/0000-0002-8786-8800
*** Ph.D. in Digital Signal Processing.
Professor-Researcher. Department of Signal
Theory and Communications. Barcelona
School of Telecommunications Engineering.
Polytechnic University of Catalonia. Spain.
E-mail: enric.monte@upc.edu
https://orcid.org/0000-XXXX-XXXX-XXXX
Revista Finanzas y Política Económica, Vol. 13, N.° 2, julio-diciembre, 2021, pp. 513-543
https://doi.org/10.14718/revfinanzpolitecon.v13.n2.2021.9
Statistical and computational
techniques for extraction of
underlying systematic risk factors:
a comparative study in the Mexican
Stock Exchange
Abstract.
This paper compares the dimension reduction or featu-
re extraction techniques, e.g., Principal Component Analysis,
Factor Analysis, Independent Component Analysis, and
Neural Networks Principal Component Analysis, which are
used as techniques for extracting the underlying systematic
risk factors driving the returns on equities of the Mexican
Stock Exchange, under a statistical approach to the Arbitrage
Pricing Theory. This research is carried out according to two
different perspectives. First, an evaluation from a theoretical
and matrix scope is done, making parallelism among their
particular mixing and demixing processes, as well as the at-
tributes of the factors extracted by each method. Secondly,
an empirical study to measure the level of accuracy in the
reconstruction of the original variables is accomplished. In
general, the results of this research point to Neural Networks
Principal Component Analysis as the best technique from
both theoretical and empirical standpoints.
Keywords: Neural Networks Principal Component
Analysis, Independent Component Analysis, Factor Analysis,
Principal Component Analysis, Mexican Stock Exchange.
JEL Classification: G12, G15, C45
Artículo de investigación
© 2021 Universidad Católica de Colombia.
Facultad de Ciencias
Económicas y Administrativas.
Todos los derechos reservados
514
Revista Finanzas y Politíca Económica, Vol. 13, N.° 2, julio-diciembre, 2021, pp. 513-543
Técnicas estadísticas y computacionales
para extraer factores de riesgo sistemático
subyacentes: un estudio comparativo en la
Bolsa Mexicana de Valores
Resumen
Este artículo compara las técnicas de reducción de
dimensionalidad o de extracción de características: Análisis
de Componentes Principales, Análisis Factorial, Análisis de
Componentes Independientes y Análisis de Componentes
Principales basado en Redes Neuronales, las cuales son usadas
para extraer los factores de riesgo sistemático subyacentes
que generan los rendimientos de las acciones de la Bolsa
Mexicana de Valores, bajo un enfoque estadístico de la Teoría
de Valoración por Arbitraje. Llevamos a cabo nuestra investi-
gación de acuerdo a dos diferentes perspectivas. Primero, las
evaluamos desde una perspectiva teórica y matricial, haciendo
un paralelismo entre los particulares procesos de mezcla y
separación de cada método. En segundo lugar, efectuamos un
estudio empírico con el fin de medir el nivel de precisión en
la reconstrucción de las variables originales.
Palabras clave: Análisis de Componentes Principales
basado en Redes Neuronales, Análisis de Componentes
Independientes, Análisis Factorial, Análisis de Componentes
Principales, Bolsa Mexicana de Valores.
Para continuar leyendo
Solicita tu prueba