Economía para la toma de decisiones: Caso Pedigree vs. Grit Predicting Mutual Fund Manager Performance

Universidad Virtual del Tecnológico de Monterrey.

Materia: Economía para la toma de decisiones.

EQUIPO 11

Tutor: Mtro. Rodolfo Rodríguez

Ana Gabriela Terán Cruz – A01053390

Carlos David Illescas Gatica – A01105611

Carlos Enrique Monroy Abunader – A01061004

David Murray Watts – A01087528

Mario Alberto Mendoza Herrera – A01104415

CASO Pedigree vs. Grit Predicting Mutual Fund Manager Performance

México, 16 de febrero de 2015.

1. ¿Por qué una baja R cuadrada no hace que la regresión sea necesariamente mala?

Porque la regresión puede estar bien hecha y puede ser eficiente pero las variables pueden no estar relacionadas directamente entre si, como en el caso.

La R cuadrada es de 4.33% ya que son variables que no están relacionadas entre si y no dependen directamente una de otra. Cada evento independiente como un MBA en una escuela de prestigio, mas años de experiencia, mejores puntuaciones en exámenes o mejores relaciones personales; le da mayor oportunidad a una persona de obtener mejor puesto en su trabajo y un mayor salario pero no hay ninguna seguridad y tampoco es una regla. 

Por lo tanto al evaluar a varios candidatos bajo los mismos rubros unos pueden tener simplemente suerte o algún contacto y obtener mejor puesto que otro candidato que puede tener un MBA. Estas variables afectan al correlaciones haciéndola cada vez menor aun cuando entre mas variables tengas mayor es tu oportunidad.

Si se ocupan variables que no tienen ninguna relación el análisis salga defectuoso ya que no habría forma de detectar una relación entre los variables. Al estar hablando de temas  que involucran emociones el resultado se puede ver afectado ya que en la decisión de contratar a alguien se puede involucrar el genero de la persona y/o la perspectiva de la capacidad de las persona en una situación especifica, es por estas razones que la regresión puede ser buena sin correlación. 

2. En cuales situaciones se tiene una regresión mala pero con una alta R cuadrada

El ejemplo más representativo en este caso es el término estadístico que se le conoce como correlación o relación espuria que se refiere a variables que se cree que tienen una relación estadística cuando en realidad no la tienen y bien podría ser causado por otra variable no analizada. Un ejemplo de esto es que si durante el verano aumenta la venta de refrescos y la tasa delictiva; se podría pensar que tienen relación estadística, pero probablemente estas variables son explicadas por alguna otra que no se está analizando como las altas temperaturas.

3. ¿Quién se espera que obtenga los mayores rendimientos (excess returns) entre los fondos de entre Bon y Putney, y de cuánto serían dichos resultados?

Y = -2.64216 – 2.11046 GRI + 0.0057350 SAT – 0.18065 MBA – 0.068893 AGE – 0.118722 TEN

Bob:

Y = -2.64216 – 2.11046 (1) + 0.0057350 (1042) – 0.18065 (0) – 0.068893 (35) – 0.118722 (5)

Y= -1.781615

Putney:

Y = -2.64216 – 2.11046 (1) + 0.0057350 (1355) – 0.18065 (1) – 0.068893 (32) – 0.118722 (2)

Y= 0.395635

4. Si los contratara la firma, ¿quién se esperaría que obtuviera los rendimientos más altos y por cuánto?

...