| Revista: | Revista Finanzas y Política Económica |
| Base de datos: | CLASE |
| Número de sistema: | 000519311 |
| ISSN: | 2248-6046 |
| Autores: | Guevara Cortés, Rogelio Ladrón de1 Torra Porras, Salvador2 Monte Moreno, Enric3 |
| Instituciones: | 1Universidad Veracruzana, Instituto de Investigaciones y Estudios Superiores de las Ciencias Administrativas, Xalapa, Veracruz. México 2Universidad de Barcelona, Facultad de Economía y Empresa, Barcelona. España 3Universitat Politécnica de Catalunya, Escola Tecnica Superior d'Enginyeria de Telecomunicacio de Barcelona, Barcelona. España |
| Año: | 2021 |
| Periodo: | Jul-Dic |
| Volumen: | 13 |
| Número: | 2 |
| Paginación: | 513-543 |
| País: | Colombia |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | 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 |
| Resumen en inglés | . This paper compares the dimension reduction or feature 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. JEL Classification: G12, G15, C45 |
| Disciplinas: | Economía |
| Palabras clave: | Inversiones, Reducción de dimensionalidad, Riesgo, Rendimientos, Bolsa Mexicana de Valores (BMV), Análisis multivariado |
| Keyword: | Investments, Dimension reduction, Risk, Returns, Bolsa Mexicana de Valores (BMV), Multivariate analysis |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
