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

Rogelio Ladrón de Guevara Cortés, Salvador Torra Porras, Enric Monte

• 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.

• English

  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. We carry out our research according to two different perspectives. First, we evaluate them from a theoretical and matrix scope, making a parallelism among their particular mixing and demixing processes, as well as the attributes of the factors extracted by each method. Secondly, we accomplish an empirical study in order to measure the level of accuracy in the reconstruction of the original variables.