Incertidumbre en modelos de factores dinámicos: Un índice de riesgo climático. - IDFM-CRI Projects uri icon

type

  • National Research Project

reference

  • PID2022-139614NB-C22

date/time interval

  • September 1, 2023 - August 31, 2027

abstract

  • Los factores comunes extraídos de modelos de factores dinámicos (DFMs) son un potente instrumento para la construcción de índices
    económicos y medidas de riesgo. Cuando los factores tienen una interpretación directa o cuando son utilizados en modelos de regresión
    o VAR, es importante medir la precisión con la que se estiman dichos factores. Las medidas de incertidumbre de los factores se obtienen
    habitualmente utilizando resultados asintóticos basados en el supuesto de que los componentes idiosincráticos son incorrelados. Sin
    embargo, en muchas aplicaciones empíricas, este supuesto no se satisface y, en consecuencia, se obtienen medidas de incertidumbre de
    los factores que son demasiado optimistas. El primer objetivo de este proyecto es la propuesta y desarrollo de procedimientos de
    remuestreo designados para obtener intervalos de predicción para los factores extraídos de DFMs estacionarios. Cuando los
    componentes idiosincráticos se suponen incorrelados y no lo son. Los procedimientos se desarrollarán tanto en el caso en que los
    factores se extraen utilizando componentes principales como cuando se utiliza el filtro de Kalman para su extracción. Las propiedades de
    los procedimientos propuestos se analizarán tanto en muestras grandes como en muestras finitas. También se considerarán dos
    extensiones metodológicas de dichos procedimientos. En muchas aplicaciones económicas de interés, los factores son extraídos de
    sistemas de variables no estacionarias. Por lo tanto, el segundo objetivo de este proyecto es extender los resultados a DFMs no
    estacionarios. En tercer lugar, cuando los factores se utilizan en modelos aumentados con factores ajustados a variables observadas
    durante periodos de tiempo muy largos, es esperable que los parámetros que relacionan los factores con las variables de interés, puedan
    cambiar a lo largo del tiempo. Por lo tanto, también es importante extender los resultados a modelos aumentados con factores que tengan
    parámetros cambiant

keywords

  • bootstrap, intervalos de predicción, temperatura, volatilidad, modelos de factores dinámicos, componentes idiosincráticos correlados; incertidumbre de parámetros, mala especificación, filtro de kalman, componentes principales; bootstrap, prediction intervals, temperature, volatility, dynamic factor models, cross-correlated idiosyncratic components, parameter; uncertainty, misspecification, kalman filter, principal components