Examen Metodologías de Riesgo
March 31, 2023 | Author: Anonymous | Category: N/A
Short Description
Download Examen Metodologías de Riesgo...
Description
Examen Metodolog Meto dolog´ ´ıas de Riesgo Nombre: Fabi´ aan n P´eerez r ez L´oopez. pez. Fecha: 26 de enero de 2019.
Instrucciones: El examen debe resolverse en menos de 60 minutos. Conteste lo queoon cada punto, incluya cualquier supuesto utilizado. Si no conoces alguna definici´ nsedepide las en preguntas 4 y 5, inv´ eentala, ntala, def def´´ınela y util util´´ızala de acuerdo con su definici´ oon. n. No vale un n´u umero mero como respuesta si no se incluye la l´oogica gica empleada. Pregunta 1 Definici´ oon n formal de la derivada de una funci´on on f . La funci´on on f es derivable en a si
f (a + h) h→0 h
l´ım
− f ( a)
existe.
derivada ada de f en a. Decimos En este caso el l´ımite se designa por f (a) y recibe el nombre de deriv tambi ta mbi´´een n que qu e f es derivable si f es derivable en a para todo a del dominio de f . Pregunta 2 De manera intuitiva i ntuitiva (no form formal), al), ¿qu´e representa llaa segun segunda da derivada de una fun funci´ ci´on? on? A modo de repaso informal, se dice que una funci´on on f es convexa en un intervalo, si para todo a y b de este intervalo, el segmento rectil rectil´´ıneo que u une ne ( a, f (a)) con (b, f (b)) queda por encima de la o oncava ncava si dicho segmento rectil gr´aafica fica de f (gr´aafica fica en forma de ); la funci´on on f es c´ rectil´´ıneo queda por debajo de la gr´aafica fica de f (gr´aafica fica en forma de ). As´ı,ı, si f > 0 significa que f es creciente, y por teoremas del c´aalculo lculo elemental, f es convexa. De lo contrario, si f < 0, f es decreciente y por consiguiente f es c´ooncava. ncava. Esto es lo que representa la segunda derivada de una funci´on f .
∪
∩
Un uso importante de la segunda derivada en la localizaci´oon n de m´aaximos ximos y m´ıınimos nimos es el siguiente teorema, teore ma, que en enunciam unciamos os de maner maneraa forma formal. l. Supongamos f Supongamos f (a) = 0. Si f f (a) > 0 , entonces f ti f tiene ene un m´ınimo ıni mo local en e n a; a ; si f f (a) < 0 , entonces f tiene f tiene un m´ aximo local en a. Pregunta 3 ¿Q ¿Qu´ u´e es una func funci´ i´oon n de verosimilitud y cu´aall es su uso en la estimaci´oon n de par´aametros? metros?
Previo a la respuesta, se pone en contexto al lector para una mejor comprensi´oon n de la definici´on on que se dar´a en breve. model delo o estad est ad´ ´ıstico ısti co F es un conjunto de distribuciones (o densidades o funciones de regreUn mo modelo delo param´ par am´ etrico etri co es un conjunto F que puede ser parametrizado por un n´u si´oon). n). Un mo umero mero finito de par´ametros. ametros. Por ejemplo, si suponemos que los datos provienen de una distribuci´on normal, entonces, el modelo es F =
1 f (x; µ, σ ) = exp σ 2π
√
−
1 (x 2σ 2
− µ)
2
: µ
∈ R, σ > 0
.
Esto es un modelo de dos par´aametros. metros. Hemos escrito la densidad como f (x; µ, σ ) para mostrar que x es un valor de la variable aleatoria, mientras que µ y σ son par´ aametros. metros. En general, un modelo param´eetrico trico toma la forma
1
{f (x; θ) : θ ∈ Θ}
F =
donde θ es un par´aametro metro desconocido (o vector de par´aametros) metros) que puede tomar valores en el espacio espac io parame parametral tral Θ. principio io de m´ axima axima verosimilitud verosimilitu d supone que la muestra es representativa Esencialmente, el princip on de de la poblaci´oon n y escoge como estimador el valor del par´aametro metro que maximice la funci´ densidad densid ad de probabilid probabilidad ad (en adelante pdf )) f (x; θ ). Damos a continuaci´ oon n la definici´oon n de funci´oon n de verosimilitud. pdf f (x1 , . . . , xn ; θ), θ Sea (X 1, . . . , Xn ) un vector aleatorio con pdf
∈ Θ. La funci´on on
L(θ ; x1 , . . . , xn ) = f (x1 , . . . , xn ; θ)
considerada como una funci´oon n de θ, es llamada la funci´oon n de verosimilitud. inde pendi ndientes entes e id´ enticame entic amente nte distrib dis tribu u´ıdas (en adelante iid ) con pdf Si X 1 , . . . , Xn son indepe f (x; θ ), la funci´ oon n de verosimilitud es n
L(θ; x1 , . . . , xn
)=
f (xi ; θ ).
i=1
Por otro lado, sea Θ
k
⊆ R
utiliz liza a para, y X = (X 1 , . . . , Xn ). La funci´oon n de verosimilitud se uti
aˆ partir de ella, encontrar un estimador Θ( ˆ X ) que la maximice, esto es, encontrar una funci´on on k Θ : Rn R que satisfaga
→
L(θˆ; x1 , . . . , xn ) = sup L(θ ; x1 , . . . , xn ).
(1)
θ∈Θ
Las constantes no se admiten como estimadores. Si una θˆ que satisface (1) existe, lo llamamos estimador estimad or de m´ axima axima verosimilitud verosimilitu d (en adelante MLE). Pregunta 4 Se tiene una ca cartera rtera de cr´eedito, dito, la ca cartera rtera es est´ t´a compuesta s´oolo lo por 3 cr´eeditos ditos a cierta fecha de referencia f 1 y se sabe que todos los cr´ editos editos tiene tienen n un ven vencimie cimiento nto menor o igual a un
a˜n no; o; esta cartera se monitorea durante los 12 meses posteriores a la fecha de referencia y se observa la siguiente distribuci´oon n de incumplimientos: El cr´edito edito 1 no incumpl incumple, e, El cr´edito edito 2 incumple en el mes 11, El cr´eedito dito 3 incum incumple ple en los meses 4 y 9 (incu (incumple mple 2 ve veces ces en el aa˜ n no). ˜o). Con la informaci´oon n anterior oobtenga btenga el mejor esti estimador mador p posible osible de la prob probabilid abilidad ad de que un cr´edito edito incumpla en el pr´ooximo ximo a˜ n no. o. axima axima verosimilitud verosimilitud supone que la Como se coment´o en el problema 3, el principio de m´ muestra es representativa de la poblaci´oon n y escoge como estimador el valor del par´aametro metro que maximice maximi ce a f (x; θ ). Se asume que los pagos mensuales de cada cr´eedito dito son independientes. Considere la variable aleatoria X ij edito edito i incumple en el mes j (i = 1, . . . , 3, j = ij = 0 si el cr´ 1, . . . , 12) o X ij edito edit o i cumple en el mes j ; sea p que denote la probabilidad de cumplir ij = 1 si el cr´ o pagar. Entonc Entonces, es, escribimo escribimoss la funci funci´´oon n de verosimilitud de acuerdo a la muestra de pagos que el problema proble ma proporc proporciona iona (X = (X 1111 . . . , X3 12)). 2
12
3
1−xij
pxij (1
L( p, X ) =
− p) (1 − p) p (1 − p) p (1 − p) .
i=1 j =1
= p12 = p33
0 11
1 10
(1
3
− p)
2
Observando que maximizar L( p, X ) es equivalente a maximizar log(L( p, X )) )) en virtud de que la funci´oon n log es creciente, se tiene que log(L( p, X )) = log( p33(1 p)3 ) = 33 log( p) + 3 log(1 log(1 p).
−
−
Por consiguiente d 33 (log(L( p, X ))) ))) = dp p
− 1 −3 p .
(2)
As´ı d
(log(L( p, X ))) = 0
dp
↔
33
3 − = 0 p 1 − p ↔ p 33 = 1 − p 3 ↔ p =
11 . 12
Por tanto, la probabilidad de que un cr´edito edito incumpla el pr´ooximo ximo a˜ n noo es 1
11
p = 1
=
1
.
− 12
12 A modo de confirmar que p = 11 es un m´aaximo ximo para la funci´oon n de verosimilitud y apelando al 12 teorema mencionado al final del problema 2, derivamos una vez m´aass la ecuaci´oon n (2).
−
d2 (log(L( p, X ))) = dp
− p33 − (1 −3 p)
=
2
33
2
3 + p2 (1 p)2 p (0 , 1).
− < 0 ∀ ∈
−
En particular, esta derivada es negativa para p = 11 , confirm´aandose ndose as´ as´ı que q ue eeste ste valor es un m´axiaxi12 mo para la funci´on on de verosimilitud planteada con anterioridad. Pregunta Pregu nta 5 Se sabe que la proba probabilida bilidad d de que un cr´ edito edito con ve vencimi ncimient entoo a 6 mese mesess incum incum-pla en los pr´ooximos ximos 6 meses es p1 (0 < p1 < 1), ¿cu´al al es la probab probabilidad ilidad de que este cr´ cr´eedito dito
3
incumpla en el pr´ooximo ximo a˜ n no? o? Pregunta 5 Se sabe sab e que la probabilidad de un cr´edito edito con vencimien vencimiento to a 6 meses incumpla en los pr´ooximos ximos 6 meses es p (0 < p < 1). ¿Cu´aall es la proba probabilida bilidad d de que este cr´eedito dito incumpla en el
pr´ooximo ximo a˜ n no? o? Supongo que tiene que ver con temas de probabilidad de incumplimiento; no me ha sido posible modelarlo como tal. Pregunta 6 Se tiene 2 vectores x y y , tal que
x = [x1 , . . . , xn ] y = [y1 , . . . , ym ]
donde m y n son enteros positivos diferentes, ambos vectores est´aan n ordenados de modo que x1 x2 ... xn y y1 y2 ... ym . Plantea un pseudoc´ oodigo digo para unir ambos vectores en un solo vector w que contenga ambos vectores ordenados de manera ascendente, es decir, w = [w1 , w2 , . . . , wm+n ] tal que wi es un elemento de x o wi es un elemento de y . Adem´aas, s, el vector w debe cumplir que w1 w2 . . . wm+n . Hint: Utiliza el hecho de que ambos vectores est´ an an ordenados.
≤ ≤
≤
≤ ≤ ≤ ≤ ≤
Definir Defini r e inici iniciali alizar zar vecto vector r w de longi longitud tud m+n m+n w = (0,.. (0,...,0 .,0) ) Inicializ Inicia lizar ar contad contadore ores s i y j i = 1 j = 1 mientras(i
View more...
Comments