Statistical and computational techniques for extraction of underlying systematic risk factors: a comparative study in the Mexican Stock Exchange
| Autor: | Salvador Torra Porras, Rogelio, Enric Monte Moreno |
|---|---|
| Přispěvatelé: | Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions, Universitat Politècnica de Catalunya. VEU - Grup de Tractament de la Parla |
| Rok vydání: | 2021 |
| Předmět: |
Economics and Econometrics
Análisis de Componentes Principales basado en Redes Neuronales Computer science Feature extraction Principal component analysis Independent component analysis Neural networks (Computer science) Informàtica::Aplicacions de la informàtica [Àrees temàtiques de la UPC] Empirical research Stock exchange Economia i organització d'empreses [Àrees temàtiques de la UPC] Systematic risk Arbitrage pricing theory Econometrics Xarxes neuronals (Informàtica) Neural networks principal component analysis Análisis factorial Dimensionality reduction Análisis de componentes principales Bolsa mexicana de valores Análisis de componentes principales basado redes neuronales Stock exchanges Análisis de componentes independientes Mexican stock exchange Factor analysis Finance Borsa de valors |
| Zdroj: | Revista Finanzas y Política Económica, Volume: 13, Issue: 2, Pages: 513-543, Published: 12 APR 2022 |
| ISSN: | 2011-7663 2248-6046 |
| DOI: | 10.14718/revfinanzpolitecon.v13.n2.2021.9 |
| Popis: | 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. This research is carried out according to two different perspectives. First, an evaluation from a theoretical and matrix scope is done, making parallelism among their particular mixing and demixing processes, as well as the at-tributes of the factors extracted by each method. Secondly, an empirical study to measure the level of accuracy in the reconstruction of the original variables is accomplished. In general, the results of this research point to Neural Networks Principal Component Analysis as the best technique from both theoretical and empirical standpoints. JEL Classification: G12, G15, C45. Resumen 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. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|