Modelos univariados de hetero-esquedasticidad condicional autoregresiva Aplicación a los retornos del mercado de valores en el Perú.

Una amplia familia de modelos univariados de heterocedasticidad condicional autorregresiva se aplica a los retornos diarios del mercado de valores de Perú para el período Enero 3, 1992 a Marzo 30, 2012 (5053 observaciones) con cuatro especificaciones diferentes relacionadas con la distribución del t...

Descripción completa

Autor Principal: Bedón, Paul
Otros Autores: Rodríguez, Gabriel
Formato: info:eu-repo/semantics/workingPaper
Idioma: spa
Publicado: Pontificia Universidad Católica del Perú. Departamento de Economía 2016
Materias:
GED
Acceso en línea: http://repositorio.pucp.edu.pe/index/handle/123456789/52507
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
Sumario: Una amplia familia de modelos univariados de heterocedasticidad condicional autorregresiva se aplica a los retornos diarios del mercado de valores de Perú para el período Enero 3, 1992 a Marzo 30, 2012 (5053 observaciones) con cuatro especificaciones diferentes relacionadas con la distribución del término de error. Esto busca capturar las asimetrías del comportamiento de la volatilidad, así como la presencia de colas pesadas en estas series de tiempo. Utilizando diferentes pruebas estadísticas y diferentes criterios, los resultados muestran lo siguiente: (i) el modelo FIGARCH (1,1)-t es el mejor modelo entre todos los modelos simétricos mientras que el FIEGARCH (1,1)-Sk es seleccionado entre la clase de modelos asimétricos. Además, el modelo FIAPARCH (1,1)-t es seleccionado entre la clase de los modelos de poder asimétricos; (ii) los tres modelos capturan bien el comportamiento de la volatilidad condicional; (iii) el modelo FIEGARCH (1,1)-Sk es el que tiene el mejor desempeño en términos de predicción; (iv) sin embargo, la distribución empírica de los residuos estandarizados muestra que el comportamiento de las colas no está bien capturado por ninguno de los tres modelos; (v) los tres modelos sugieren la presencia de memoria larga pues las estimaciones del parámetro fraccional se encuentran cerca de la región no estacionaria.