Modelo de volatilidad en un mercado financiero colombiano

Christian Camilo Cortes Garcia, Alvaro Javier Cangrejo Esquivel

Resumen


En este trabajo se presenta una breve introducción a los instrumentos estadísticos y modelos necesarios para explicar la volatilidad de los precios de activos, al seguir la metodología de series temporales e involucrar el efecto de heterocedasticidad condicional. Con estos lineamientos definidos, se modela la volatilidad de los retornos en los precios de cierre diarios de acciones de la empresa colombiana de Cementos Argos S.A al tomar como referencia los modelos ARCH, GARCH, TGARCH, IGARCH, EGARCH, APARCH y SV$t$-AR(1) con el fin de determinar la efectividad de los modelos por fuera de la muestra. El modelo que mejor explica la volatilidad condicional de los retornos es el EGARCH(1,1) y el modelo que mejor realiza pronósticos de volatilidad es el SVt-AR(1).

Palabras clave


Volatilidad condicional, volatilidad estocástica, función de autocorrelación, retornos diarios, distribución GED, criterios de información bayesiano

Texto completo:

PDF

Referencias


Argos, C. (2012). Reporte integrado 2012, Cementos Argos SA. Recuperado de http://www.argos.com.co/cemargos.

Argos, C. (2017). Sitio para inversionistas. Recuperado de

https://www.argos.co/ir/perfil-corporativo/quienes-somos.

Awartani, B. M. and Corradi, V. (2005). Predicting the volatility of the S&P-500 stock index via GARCH models: the role of asymmetries. International Journal of Forecasting, 21(1):167-183.

Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3):307{327.

De Colombia, B. d. V. (2011). Bolsa de valores de Colombia. Un pais para todos los valores.

de Jesus Gutierrez, R. and Gutierrez, L. C. (2013). Modelacion y prediccion de la volatilidad con innovaciones de colas pesadas distribuidas: Evidencia empirica para los petroleos maya y mezcla mexicana de exportacion. Paradigma economico, 5(1):67-105.

Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of united kingdom inflation. Econometrica: Journal of the Econometric Society, pages 987-1007.

Franco, P. B. A., Restrepo, D. A., and Perez, F. O. (2007). Estudio de efectos asimetricos y dia de la semana en el indice de volatilidad VIX. Revista Ingenierias Universidad de Medellin, 6(11):125-147.

Ghalanos, A. (2013). Introduction to the rugarch package. R vignette.

Gonzalez, J. R. A. and Blanco, C. (1996). Estimacion de la volatidad condicional en el mercado de divisas con modelos de la familia GARCH. Investigaciones europeas de direccion y economia de la empresa, 2(3):43-60.

Jimenez Moscoso, J. A. (2014). Distribuciones de probabilidad alternativas para la gestion de riesgo en mercados financieros. PhD thesis, Universidad de Valencia.

Kastner, G. (2015). Heavy-tailed innovations in the R package stochvol.

Kastner, G. (2016a). Dealing with stochastic volatility in time series using the R package stochvol. Journal of Statistical Software, 69(5):1-30.

Kastner, G. (2016b). Efficient bayesian inference for stochastic volatility (SV) Models R package stochvol version 1.2.3.

Tsay, R. S. (2014). An introduction to analysis of financial data with R. John Wiley & Sons.


Enlaces refback

  • No hay ningún enlace refback.


ISSN: 2027-3355 - e-ISSN: 2339-3076 - DOI: https://doi.org/10.15332/s2027-3355