Resumen de Extensión al caso multi-índice del método de las dos funciones de distribución mediante la herramienta matemática copula

Catalina Beatriz García García , María del Mar López Martín , José García Pérez

• español

  En García, Trinidad y Herrerías (2006) se plateo por primera vez la aplicación de la herramienta matemática copula para extender al caso bi-indice el Método de valoración de las Dos Funciones de Distribución (MDFD). Sin embargo, es evidente la limitación que conlleva la utilización de solo dos índices. Por ello, en el presente trabajo se pretende extender el citado método al caso tri-índice, ya que consideramos que en tres índices puede resumirse la información necesaria para calcular el valor de un activo, Segura, García y Portillo, (1998). Se hace uso de la familia de función de distribución FGM para construir la función de distribución conjunta de tres índices suponiendo conocidas sus funciones de distribución marginal Two Sided Power, van Dorp y Kotz (2002.a). Por ultimo, se lleva a cabo una aplicación práctica que permite comparar y concluir que los resultados obtenidos mediante el método propuesto son casi tan buenos como los resultantes de una regresión lineal con la ventaja de que puede aplicarse en ambiente de incertidumbre.

• English

  Garcia, Trinidad and Herrerías (2006) were stalls for the first time the application of copula for extending Two Functions Distribution methods. However, there is an obvious limitation associated with the use of only two indices. Therefore, this work extends this method to the case tri-index, as we believe that in three indexes can be summarized information needed to calculate the value of an asset, Segura, Garcia and Portillo (1998). It makes use of the family of distribution function FGM to build the joint distribution function of three indexes assuming its known distribution functions marginal Two Sided Power, van Dorp and Kotz (2002.a). Finally, there is a practical application to compare and conclude that the results achieved through the proposed method are almost as good as those resulting from a linear regression with the advantage that can be applied in uncertainty.