Uso de modelos de volatilidad estocástica para valoración de riesgo cambiario
Use of stochastic volatility models for exchange rate risk valuation
Resumen (es)
En la literatura técnica y en las aplicaciones de finanzas es muyimportante cuantificar el riesgo de mercado. En el caso de tasas decambio que usan series de tiempo diarias es común el uso de laestrategia de RiskMetrics$^{TM}$ junto con los modelos GARCH. Variosautores en diferentes contextos han destacado las falencias del usode modelos GARCH. Este trabajo aborda el cálculo de Valor en Riesgocon el uso de modelos de volatilidad estocástica (SV). Luego demencionar las ventajas y desventajas que ofrecen estos modelosfrente a los GARCH, presenta los resultados de evaluar el riesgo deun portafolio que contiene tasas de cambio diarias de Peso/Dólar,Euro/Dólar, Yen/Dólar y Libra/Dólar. El ejercicio muestra resultadosque favorecen el uso de modelos de SV.Resumen (en)
Market risk valuation is very important not only for financial theoreticians but for the applied job. When using daily time series on exchange rates, the use of RiskMetricsTM strategy, in conjunction with GARCH models, is common place. Many authors, in several contexts, have pointed out the inconvenience in using GARCH models. In this paper the use of Stochastic Volatility (SV) models in risk valuation is considered. We describe the main advantages and disadvantages of SV models against GARCH models. We present results of market risk valuation using SV for a portfolio that contains daily returns of Euro/Dollar, Yen/Dollar, UK$/Dollar and exchange rates. Our results suggest that the SV model produce more reliable estimations.
Referencias
Breidt, F., Crato, G. & de Lima, P. (1998), ‘On the detection and Estimation of Long Memory in Stochastic Volatility’, Journal of Econometrics, 2, 319–342.
Carnero, M. A., Peña, D. & Ruiz, E. (2004), ‘Persistence and Kurtosis in GARCH and Stochastic Volatility Models’, Journal of Financial Econometrics, 2(2), 319–342.
De Lara, A. (2002), Medición y control de riesgos Financieros, Ed. Limusa S. A., México D.F.
Grane, A. & Veiga, H. (2007), ‘Volatility Modelling and Accurate Minimum Capital Risk Requirements.Technical Report 07-47.’, Departamento de Estadística, Universidad Carlos III .
Hamilton, J. D. (1989), ‘A new approach to the economic analysis of nonstationary time series and the business cycle’, Econometrica. 57, 357–384.
Harvey, A., Ruiz, E. & Shephard, N. (1994), ‘Multivariate Stochastic Variance Models’, Review of Economic Studies, 65, 361–393.
Jacquier, E., Polson, N. G. & Rossi, P. E. (1999), Stochastic Volatility: Univariate and Multivariate Extensions, Technical Report September, University of Chicago, Graduate School of Business.
Jorion, P. (2000), Valor en Riesgo, Limusa, M´exico.
Kim, S., Shephard, N. & Chib, S. (1998), ‘Stochastic Volatility: Likelihood In- ference and Comparison with ARCH Models’, Review of Economic Studies, 65, 361–393.
McCulloch, R. E. & Tsay, R. S. (1993), ‘Robust Test for the Equality of Variantes’,
Journal of the American Statistical Association, 88, 968–978.
Peña, D. & Guttman, I. (1988), A Bayesian approach to robustifying the Kalman filter. In Bayesian Analysis of Time Series and Dynamic Linear Models, J.C. Spall, ed., New York: Marcel Dekker., pp. 227–254.
R Development Core Team (2007), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0. *http://www.R-project.org
Shumway, R. & Stoffer, D. (2006), Time Series Analysis and Its Applications with R Examples, 2 edn, Springer, New York.
Trapletti, A. & Hornik, K. (2007), tseries: Time Series Analysis and Computatio- nal Finance. R package version 0.10-11. *http://CRAN.R-project.org/
Tsay, R. (2002), Analysis of Financial Time Series, Wiley, New York.
Zea, J. & Rodríguez, N. (2007), XVII Simposio colombiano de estadística, en la evaluación de riesgos, Cali
Cómo citar
Licencia
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
