Probabilidad clásica de sobreajuste con criterios de información: Estimaciones con series macroeconómicas chilenas
En este trabajo se estima mediante simulaciones de Monte Carlo la probabilidad clásica de sobreajuste, en un ambiente autorregresivo (AR), con los criterios de información (CI) de Akaike, Schwarz y Hannan-Quinn (AIC, BIC y HQ), calibradas con los datos chilenos de inflación total, inflación subyacen...
Guardado en:
| Autor principal: | |
|---|---|
| Lenguaje: | Spanish / Castilian |
| Publicado: |
ILADES. Universidad Alberto Hurtado.
2015
|
| Materias: | |
| Acceso en línea: | http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-88702015000100004 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | En este trabajo se estima mediante simulaciones de Monte Carlo la probabilidad clásica de sobreajuste, en un ambiente autorregresivo (AR), con los criterios de información (CI) de Akaike, Schwarz y Hannan-Quinn (AIC, BIC y HQ), calibradas con los datos chilenos de inflación total, inflación subyacente, IMACEC y el retorno mensual del tipo de cambio nominal peso-dólar estadounidense. Esta probabilidad corresponde al número de veces en que un modelo candidato posee estrictamente un mayor número de coeficientes que el modelo verdadero, dividido por el número total de búsquedas. Los resultados indican que el mayor riesgo de sobreajuste se obtiene con el AIC, seguido por el HQ y finalmente el BIC. Las probabilidades más altas de sobreajuste se alcanzan con el AIC, llegando a un 32 y un 30% con el tipo de cambio y el IMACEC, respectivamente, seguidas por un 25 y 22% para la inflación total y subyacente. Considerando los tres CI, la mayor probabilidad siempre se obtiene solamente con un coeficiente de sobreajuste. Asimismo, es más probable que el sobreajuste no exceda a los 10 coeficientes. Estos resultados son importantes en la medida que cuantifican el riesgo al cual se está sometido al modelar dichas variables mediante representaciones AR. Dentro de estos potenciales problemas están: (i) el de regresión espuria, (ii) distorsionar la estimación de la función de impulso-respuesta, y (iii) perjudicar la precisión predictiva de la variable de interés. Este último problema es analizado en detalle. |
|---|