FCEyE - Maestría en Estadística Aplicada

URI permanente para esta colección

https://rephip.unr.edu.ar/handle/2133/10283

Examinar

Examinando FCEyE - Maestría en Estadística Aplicada por Autor "Blaconá, María Teresa"

Mostrando 1 - 2 de 2
  • Miniatura
    ÍtemAcceso Abierto
    Comparación de los Métodos Directo e Indirecto de Ajuste Estacional, con aplicaciones en series económicas de Argentina
    (Universidad Nacional de Rosario, 2022-06-30) Sigal, Facundo; Blaconá, María Teresa
    En las series de tiempo, la presencia de estacionalidad requiere atención del investigador, ya que puede ser considerada como una contaminación de los datos. En este trabajo se aborda la problemática del ajuste estacional de series agregadas, comparando dos enfoques para realizarlo. El Método Directo (MD) consiste en desestacionalizar la serie agregada, mientras que en el Método Indirecto (MI) primero se desestacionalizan las series de manera desagregada y luego se agregan las series ajustadas. Para realizar dicha comparación, se aplican ambos métodos de ajuste a diez series económicas de la Región Centro de Argentina (Córdoba, Entre Rios, Santa Fe), utilizando como herramientas de ajuste los programa X13-ARIMA-SEATS y TRAMO- SEATS. Se enumera una serie de herramientas diagnósticas que se utilizan para definir el enfoque recomendado en cada caso. En las aplicaciones no se puede determinar un método que se comporte mejor según todos los criterios de diagnóstico utilizados. En algunos casos, los resultados similares conducen a la elección “por defecto” del método directo, debido a su menor costo en relación a los cálculos y a que genera procesos más parsimoniosos. Por otro lado, en algunas series los resultados son muy diferentes, lo que muestra una necesidad de análisis más profundo de los mismos, en busca del mejor escenario de ajuste estacional. En esta tesis no se encuentran evidencias de un mejor funcionamiento de un enfoque según la forma de agregación de las series, mientras que la extensión de las series tampoco influye en el enfoque elegido. En varias series de agregación vertical, el enfoque recomendado depende del programa de ajuste utilizado. Finalmente, los resultados muestran que la selección del método de ajuste estacional debe ser un proceso dinámico de selección y que debe ser revisado en tanto y en cuanto se incorporen nuevas observaciones, nuevas series desagregadas o nuevas metodologías.
  • Miniatura
    ÍtemAcceso Abierto
    Evaluación de pronósticos para la volatilidad empleando modelos autoregresivos con heterocedasticidad condicional generalizados aplicados a precios diarios de acciones en Argentina
    (Universidad Nacional de Rosario, 2017-10-27) Damiano, Luis; Blaconá, María Teresa
    Esta tesis trata sobre los hechos estilizados de los retornos y la volatilidad, los modelos de heterocedasticidad condicional, las funciones de densidad habitualmente empleadas junto a ellos, el diagnóstico de residuos y la evaluación de pronósticos fuera de la muestra. El abordaje no es sólo teórico, sino que además propone una aplicación para la serie de precios de las once acciones más líquidas de Argentina y el Índice MERVAL (2009-2016). La leptocurtosis se impone como la característica más determinante y la principal falla al supuesto de densidad gaussiana. La asimetría juega un rol más acotado y sólo atenta contra la aproximación normal en determinados casos. El efecto apalancamiento, muy difundido en investigaciones para otros mercados, es observado sólo en circunstancias muy particulares. Partiendo de un modelo ARCH(1, 1) − GARCH(1, 1) con densidad gaussiana, se diagnostican los residuos y se proponen variantes según las falencias detectadas. Los criterios de información tienden a seleccionar la especificación GARCH y la distribución generalizada del error, tanto simétrica como asimétrica. Si bien estos nuevos modelos resuelven algunas de las limitaciones identificadas, no presentan necesariamente un mayor poder predictivo fuera de la muestra. Los estadísticos direccionales y las medidas de error medio de pronóstico resultan muy similares, aunque la cantidad de excesos al VaR mejora en la mitad de los casos. La penalización de los criterios de información no siempre es suficiente para evitar el sobreajuste.