Quiero medir la estructura de covarianza de los distintos rendimientos de los activos en función de los distintos períodos de inversión. Campbell y Viceira (2005) hacer esto, utilizando predictores de rendimiento conocidos (es decir, rendimiento de dividendos, diferencial de rendimiento,..) para describir los rendimientos de los activos con un proceso de AR(1). Encuentran correlaciones de acciones y bonos del gobierno de EE.UU. entre cerca de 0 y hasta 0,6, dependiendo de la duración del período de inversión.
Sin embargo, quiero analizar ex post datos de retorno (que van desde 1 mes hasta por lo menos 20 años), a partir de 1969. Los datos superpuestos se utilizarán para obtener una (esperemos) cantidad suficiente de puntos de datos.
Ahora a mi pregunta: Soy consciente de que los rendimientos rodantes inducen a la autocorrelación, esto afectará a la volatilidad de los rendimientos de los activos así como a los coeficientes de correlación. Así que estoy buscando métodos de corrección para deshacerme del probelma de autocorrelación. Hasta ahora he encontrado algo llamado Cuadrado mínimo generalizado (GLS) que parece funcionar para datos superpuestos en caso de análisis de regresión. Sin embargo, no estoy seguro de que esto sea realmente aplicable en mi caso, ya que estoy midiendo coeficientes de correlación.
¿Existen correcciones para la autocorrelación de muestras superpuestas cuando se calculan los coeficientes de correlación de rendimiento de los activos?
Como habrán notado, soy bastante nuevo en el mundo de la econometría. Hasta ahora sólo he utilizado la excelencia, pero estoy ansioso por aprender R.
