Edición de datos: Observaciones en la construcción de carteras

Question

Pregunta

• Con 60 observaciones de datos, ¿cómo construyo un análisis de series temporales correctamente?
• ¿Cómo realizar determinados cálculos, como las covarianzas, sobre datos con lagunas e incoherencias?

Antecedentes de la pregunta

• Actualmente estoy haciendo una tarea para una clase de teoría de la cartera

Características del conjunto de datos

• 15 valores con sus rendimientos mensuales ajustados al precio entre 1986 y 2016 (aproximadamente 400 observaciones mensuales) que cotizan en el ISEQ (Irish Stock Exchange)

Lo que creo que son problemas de datos

Las acciones asignadas no tienen observaciones similares - los valores que cotizan en diferentes momentos tienen un número diferente de observaciones para cada uno de ellos. ( Series temporales no uniformes)

Sólo tenemos 60 observaciones en las que todos los valores tienen datos del mismo periodo de tiempo/en todo el panel.( ¿Se refiere a las columnas? ¿Se refiere a las mismas fechas? )

( Insertar captura de pantalla de los puntos de datos)

• Una de las acciones, en particular, sólo tiene 60 observaciones y sus características de rendimiento son extremadamente "en bloque".

  ( ( Insertar captura de pantalla del punto de datos)

Los datos pueden causarme problemas cuando:

Calcular las covarianzas

• ¿debo utilizar la matriz completa (~400 de observaciones) de mi acción más antigua (para los cálculos de la varianza) frente a las 60 observaciones de esta acción problemática al calcular la matriz de covarianza de la varianza?

Comparar lo mismo con lo mismo y reducir las observaciones de mi cartera a 60 observaciones

• ¿Sacrifico el poder descriptivo en mis salidas si hago esto?

---

Mi más humilde agradecimiento y mis mejores deseos, CM.

Answer 1

Su pregunta demuestra que es usted un principiante en el análisis de series temporales. Bienvenido.

Respuesta larga a su pregunta

Un enfoque habitual para analizar las series temporales no espaciadas consiste en transformar los datos en observaciones igualmente espaciadas mediante alguna forma de interpolación -la mayoría de las veces lineal- y, a continuación, aplicar los métodos existentes para datos igualmente espaciados. Sin embargo, transformar los datos de esta manera puede introducir una serie de sesgos significativos y difíciles de cuantificar, especialmente si el espaciado de las observaciones es muy irregular .

Respuesta corta

Depende

Donde encontrará las respuestas a todas sus preguntas

Primero empieza aquí:

Capítulo 10 Introducción al análisis de series temporales Introducción al Análisis de Series Temporales. Clase 1

A continuación, lea estos documentos, así como lo que otros han compartido

• Análisis de causalidad de Granger en series temporales irregulares
• Un marco para el análisis de datos de series temporales desiguales

Por favor, asegúrese de entender lo que está pidiendo, de lo contrario los demás no serán tan amables.

• El esfuerzo no es fácil, pero parte de la lucha es importante y se llama "aprendizaje".
• Estamos aquí para ayudarte cuando nos muestres tus dificultades, para que podamos ayudarte con poco o ningún esfuerzo =)

No se desanime, haga preguntas, pero asegúrese de que google primero.

¡Bienvenido a QuantFinance Stack Exchange!

Answer 2

Para su tarea, utilice sólo las declaraciones que tenga disponibles, aunque no estén completas para todo el período. Podrá realizar todos sus análisis.

Tenga en cuenta que esta no es una buena solución en los casos del mundo real, si desea utilizar su matriz de covarianza/correlación para la optimización o la simulación monte carlo, ya que el uso de correlaciones por pares puede conducir a matrices semidefinidas no positivas.

Answer 3

Algo bastante habitual es trabajar con los rendimientos de las carteras construidas a partir de las características de las empresas individuales en lugar de las propias empresas. Algunos problemas básicos al trabajar directamente con las empresas:

• Como han comentado, las empresas van y vienen de la muestra.
• Como varios han mencionado en los comentarios, las empresas pueden cambiar significativamente. En 2005, Apple era una empresa de hardware informático. En 2015, Apple era una empresa de telefonía móvil, cuyos ingresos estaban dominados por el iPhone. ¿No deberíamos esperar que las propiedades de covarianza sean significativamente ¿¡Diferente!?
• Si sólo se utilizan empresas de las que se tienen datos para todos los años, se está condicionando la inclusión en la muestra a que no se produzca la exclusión de la bolsa, y se puede hacer que la estimación de los rendimientos esperados esté sesgada al alza y sea incoherente.
  • Si alguien escribiera: "Mi muestra se compone de todas las empresas que no han quebrado ni han sido adquiridas" o "Mi muestra se compone de todas las empresas que finalmente entraron en el S&P500", ¿cree que esas empresas tuvieron una rentabilidad superior a la media? Por supuesto que sí.
  • En general, en las finanzas, se puede hacer enorme errores mediante el uso de $t+1$ información en el momento $t$ .

Si estamos dispuestos a hacer finanzas sencillas, al estilo de los años 80, un método sensato es construir carteras reequilibradas anualmente sobre la base de las características de la empresa conocidas en ese momento (o varios meses antes para estar seguros). La idea es que el rendimiento de la cartera serán más estables en el tiempo en cuanto a sus propiedades estadísticas que las empresas individuales.

Como menciona @Alex27629, probablemente puedas hacer la mayor parte de tu análisis utilizando sólo los datos que tienes para cada empresa. Espero que obtengas resultados defendibles para los fines de tu proyecto.

Answer 4

1. No está claro en qué consiste el "encargo de la cartera" ni qué tipo de resultados se espera que ofrezca.

2. 60 puntos de datos (mensuales) cuando se trata de rendimientos bursátiles es más que suficiente; mientras que las conclusiones basadas en 20 años de datos no parecen fiables, ya que una empresa en sus primeros 5 años de existencia será completamente diferente a la misma empresa 15 años después -dado que la empresa sigue existiendo.