Documentos de Trabajo
URI permanente para esta colecciónhttp://54.81.141.168/handle/123456789/124142
Explorar
4 resultados
collection.search.results.head
Ítem Acceso Abierto Modelos univariados de hetero-esquedasticidad condicional autoregresiva Aplicación a los retornos del mercado de valores en el Perú.(Pontificia Universidad Católica del Perú. Departamento de Economía, 2015) Bedón, Paul; Rodríguez, GabrielUna 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.Ítem Acceso Abierto Modelamiento de la volatilidad de las bolsas de valores de América Latina: Probabilidades variables y reversión promedio en un modelo de cambios de nivel randomizado.(Pontificia Universidad Católica del Perú. Departamento de Economía, 2015) Rodríguez, GabrielSiguiendo el trabajo de Xu y Perron (2014), en este documento se aplica el modelo extendido de cambios de nivel aleatorios (RLS) a los retornos diarios de los mercados bursátiles de Argentina, Brasil, Chile, Mexico y Perú. A diferencia del modelo RLS básico, en este modelo se usan probabilidades cambiantes asociadas a periodos de retornos extremadamente negativos y además se incorpora un mecanismo de reversión a la media el cual depende de los cambios de nivel pasados y de las desviaciones de la media de largo plazo. Así, se estiman cuatro modelos de cambios de nivel aleatorios: el modelos RLS básico, el modelo RLS con probabilidades variantes, el modelo RLS con reversión a la media y finalmente, el modelo RLS que combina los dos aspectos ya mencionados. Los resultados muestran que los coe cientes estimados son signi cativos, en especial cuando se usa el modelo RLS con reversión a la media. Asimismo, se realizan estimaciones de modelos ARFIMA y GARCH a las series de volatilidad a las cuales se le ha sustraído el componente de cambios de nivel. Los resultados, muestran que una vez que dichos componentes son tomados en cuenta, las características de larga memoria y efectos GARCH desaparecen. Finalmente, un análisis de predicción es proporcionado el cual confi rma que los modelos RLS son más e ficientes que otros modelos clásicos de larga memoria.Ítem Acceso Abierto An Application of a Random Level Shifts Model to the Volatility of Peruvian Stock and Exchange Rates Returns(Pontificia Universidad Católica del Perú. Departamento de Economía, 2014) Ojeda, Junior; Rodríguez, GabrielLa literatura ha mostrado que la volatilidad de los retornos bursátiles y cambiarios muestra la característica de larga memoria. Otro hecho mostrado en la literatura es que dicha característica puede ser espúria y que en realidad la volatilidad está compuesta de un proceso de corta memoria contaminado con cambios de nivel aleatorios. En este documento, seguimos el enfoque de Lu y Perron (2010) y Li y Perron (2013) estimando un modelo de cambios de nivel aleatorios (RLS) al logaritmo del valor absoluto de los retornos bursátiles y cambiarios del Perú. El modelo consta de la suma de un componente de corta memoria y un componente de cambios de nivel. El segundo componente es especificado como la suma acumulada de un proceso que es cero con probabilidad 1-α y es una variable aleatoria con probabilidad α. Los resultados muestran que existen cambios de nivel que son infrecuentes pero una vez que son tomados en cuenta, la característica o propiedad de larga memoria desaparece. Asimismo, la presencia de efectos GARCH es eliminada cuando se incluyen o descuentan los cambios de nivel. Un ejercicio de predicción fuera de la muestra indica que el modelo RLS tiene mejor performance que modelos tradicionalmente utilizados para modelar larga memoria como los modelos ARFIMA(p,d,q).Ítem Acceso Abierto An Application of a Short Memory Model With Random Level Shifts to the Volatility of Latin American Stock Market Returns(Pontificia Universidad Católica del Perú. Departamento de Economía, 2014) Rodríguez, Gabriel; Tramontana, RoxanaLa evidencia empírica indica que la volatilidad de las series de retornos bursátiles (o .financieras en general) poseen la característica de larga memoria. Sin embargo, de otro lado, existe evidencia que ha mostrado que los procesos de memoria corta contaminados con cambios de nivel aleatorios o esporádicos a menudo pueden ser confundidos con procesos de larga memoria en cuyo caso se dice que esta larga memoria es espuria. En este caso se tiene procesos con memoria larga espúria. Este trabajo representa un estudio empírico del modelo de cambio de nivel aleatorio (RLS), utilizando el enfoque de Lu y Perron (2010) y Li y Perron (2013) para la volatilidad de los retornos bursátiles diarios de cinco países de América Latina. El modelo RLS consiste en la suma de un componente de memoria corta y un componente de cambio de nivel aleatorios, el cual se rige por un proceso de Bernoulli con una probabilidad α. Los resultados de las estimaciones sugieren que los cambios de nivel son poco frecuentes, pero una vez que se tienen en cuenta, la característica de larga memoria y los efectos GARCH desaparecen. También se proporciona un ejercicio de pronóstico fuera de muestra.