Técnicas estadísticas y computacionales para extraer factores de riesgo sistemático subyacentes: un estudio comparativo en la Bolsa Mexicana de Valores

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 investigación 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.

• Autores: Ladrón de Guevara-Cortés, Rogelio; Torra-Porras, Salvador; Monte-Moreno, Enric
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2021
• Institución: Universidad Católica de Colombia
• Repositorio: RIUCaC - Repositorio U. Católica
• Idioma: eng
• OAI Identifier: oai:repository.ucatolica.edu.co:10983/29450
• Acceso en línea: https://hdl.handle.net/10983/29450; https://doi.org/10.14718/revfinanzpolitecon.v13.n2.2021.9
• Palabra clave: Neural networks principal component analysis; Independent component analysis; Factor analysis; Principal component analysis; Mexican stock exchange; Análisis de componentes principales basado en redes neuronales; Análisis de componentes independientes; Análisis factorial; Análisis de componentes principales; Bolsa mexicana de valores
• Rights: openAccess
• License: Rogelio, Salvador Torra Porras, Enric Monte Moreno - 2021