Aplicaciones del modelo LASSO bayesiano en finanzas

Abstract

En el presente trabajo se propone utilizar la metodología conocida como LASSO Bayesiano [Park y Casella (2008)] para ajustar un modelo de regresión lineal a indicadores económicos relacionados con el PIB (GDP: Gross Domestic Product por sus siglas en Inglés), utilizando como variable respuesta el PIB de Estados Unidos. Esta técnica utiliza la ventaja de ver a LASSO como una estimación a posteriori cuando los parámetros de regresión tienen distribución a priori Laplace idénticamente distribuidas e independientes [Tibshirani (1996)], aprovechando la utilidad del muestreador de Gibbs [Casella (2001)] y los modelos jerárquicos [Lee (2004)]. Se utiliza el paquete BLR [de los Campos y Pérez (2010)] implementado en el programa R [R Development Core Team (2011)] para realizar una prueba de permutaciones para probar la significancia de los betas. Se estima la correlación entre y y by obtenido mediante el paquete BLR y otras metodologías como LASSO ordinario y regresión Ridge, utilizando a BLR como un modelo generalizado que incluye a LASSO Bayesiano presentado por Park y Casella (2008). _______________ APPLICATIONS OF THE BAYESIAN LASSO MODEL IN FINANCE. ABSTRACT: We propose to use Bayesian LASSO to t a linear model to economic indicators related to the GDP (Gross Domestic Product), using as the response variable the U.S. GDP. This technique uses the advantage of seeing LASSO as a posteriori estimate when the regression parameters are independent and identically distribuited with Laplace distribution [Tibshirani (1996)], using the Gibbs sampling [Casella (2001)] and hierarchical models. BLR package [de los Campos y Pérez (2010)] implemented in the R [R Development Core Team (2011)], is used to perform a permutation test and verify the values of beta. We estimate the correlation between y and by obtained by the BLR package and others methodologies such as ordinary LASSO and Ridge regression, using the BLR as a generalized model including Bayesian LASSO described by Park y Casella (2008).