CB y Bootstrap

1
CB y Bootstrap

• Lic.
• Luis Francisco Zaldívar
• MSE

2
Herramienta Bootstrap

• Mide nivel de confianza y exactitud de parámetros
  estadísticos del Perfil de Riesgo ( distribución
  Y) obteniendo la distribución de cada uno de los
  parámetros estadísticos.
• Si el sesgo en Perfil de Riesgo Y es alto
  empleamos el Perfil de Riesgo Y del parámetro
  estadístico Mediana.
• Mide la Dispersión de los parámetros estadísticos
  considerando las corridas.
• Puede encontrar la Distribución de los Supuestos
  Riesgosos.
• Flexible y no asume que las observaciones
  provienen de la Distribución Normal.
• Requiere que las observaciones sean aleatorias e
  independientes.
• Toma Correlaciones entre parámetros.
• Desventaja necesita tamaño de muestra grande
  para ser precisa o exacta.

3
Tipos de Bootstraps en CB

• A) Simula modelo una vez y luego repetidamente
  muestrea hasta llegar al tamaño de muestra
  Bootstrap definido en CB. Rápido pero menos
  exacto.
• B) Simula modelo y de cada simulación obtiene
  muestra para encontrar los parámetros
  estadísticos o distribución muestreada. Lento
  pero exacto.

4
Exactitud y Confianza en la Distribucion del
Perfil de Riesgo

• MSE o CV alto significa poca exactitud de los
  parámetros estadísticos.
• MSE o CV bajo significa confianza y exactitud en
  los parámetros. Tenemos una Distribución
  Simétrica con baja dispersión.
• Parámetros son los reales de la población.

5
Bootstrap y Número de Muestra

• 200 es tamaño aceptable.
• 1,000 debe emplearse para estimar intervalos de
  confianza de percentil 5 a percentil 90.
• RECORDEMOS
• Muestras Bootstaps Confianza y exactidud en
  parámetros.
• Distribución estrecha y por ende, parámetro será
  el verdadero.

6
Determinanción de Distribución Estadística de la
Variables Aleatorias

• Mejor método Bootstrap no-paramétrico.
• Emplear distribución Custom o Propia
• Pronósticos a simular los parametros estadísticos
  de interés.
• Emplear MS Excel formulas estadísticas para los
  parámetros.
• Emplear Bootstrap de herramientas.
• Efectuar simulación.
• Selecionar distribución del promedio
  (Distribución Y)
• Hacer fit de la distribución Y.