He implementado el siguiente modelo:
daily_vol(t+1) = A*daily_vol(t) + B*weekly_vol(t) + C*monthly_vol(t) + errordonde vol significa volatilidad, y A, B, C son parámetros a estimar mediante OLS. Sin embargo, el modelo predicho no es muy preciso, y en este documento el autor menciona la corrección de covarianza de Newey-West para mejorar las estimaciones. Sin embargo, no entiendo cómo utilizar exactamente esto para cambiar A, B, C. ¿Alguien puede explicar lo que debo hacer?
El procedimiento de Newey-West tiene por objeto ajustar la matriz de covarianza de los parámetros para tener en cuenta la autocorrelación y la heteroscedasticidad. Suele utilizarse en aplicaciones financieras cuando se estima el alfa (un parámetro en un modelo de regresión) de una cartera o estrategia. Se ajustarían los errores estándar mediante el procedimiento de Newey-West para obtener un mejor estadístico t que permita determinar si la estrategia genera rendimientos significativos. En el caso de la regresión multivariante, se puede calcular la matriz de covarianza de los parámetros, por ejemplo, la matriz de covarianza que mide la incertidumbre en sus estimaciones de alfa y beta en el ejemplo anterior. El error estándar se deriva simplemente de esta matriz. Por lo tanto, la corrección de esta matriz de covarianza de las estimaciones, conduce a cambiar los errores estándar, y los resultados diferentes a las pruebas t.
En el artículo que has enlazado, se refieren específicamente a los errores estándar de Newey-West, que es esencialmente lo mismo que he descrito anteriormente. Están preocupados por el impacto del solapamiento de períodos en la estadística de la prueba. Esto no afectaría a los coeficientes de regresión, que es lo que parece ser su problema.
FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.
