Departamento Académico de Economía

URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/124141

El Departamento de Economía de la Pontificia Universidad Católica del Perú fue creado en agosto de 1969 y desde entonces el equipo de profesores que lo conforman se ha caracterizado tanto por su labor docente como por su dedicación permanente a la investigación de los temas relevantes para la sociedad y la economía peruana.
Ingresa a su web: Departamento de Economía

Explorar

Resultados de búsqueda

Mostrando 1 - 2 de 2
  • Miniatura
    ÍtemAcceso Abierto
    Empirical Modeling of Latin American Stock and Forex Markets Returns and Volatility using Markov-Switching GARCH Models
    (Pontificia Universidad Católica del Perú. Departamento de Economía, 2017-03) Ataurima Arellano, Miguel; Collantes, Erika; Rodriguez , Gabriel
    Using a sample of weekly frequency of the stock and Forex markets returns series, we estimate a set of Markov-Switching-Generalized Autoregressive Conditional Heterocedasticity (MS-GARCH) models to a set of Latin American countries (Brazil, Chile, Colombia, Mexico and Peru) with an approach based on both the Monte Carlo Expectation-Maximization (MCEM) and Monte Carlo Maximum Likelihood (MCML) algorithms. The estimates are compared with a standard GARCH, MS and other models. The results show that the volatility persistence is captured differently in the MS and MS-GARCH models. The estimated parameters with a standard GARCH model exacerbates the volatility in almost double compared to MS-GARCH model and a lower likelihood with the other model than MS-GARCH model. There is different behavior of the coefficients and the variance according the two regimes (high and low volatility) by each model in the Latin American stock and Forex markets. There are common episodes related to global international crises and also domestic events producing the different behavior in the volatility of each time series. Usando una muestra de frecuencia semanal de las series de retornos de los mercados bursátiles y cambiarios, estimamos un conjunto de modelos de heterocedasticidad condicional autorregresiva generalizada Markov-Switching (MS-GARCH) para un conjunto de países Latinoamericanos (Brasil, Chile, Colombia, México y Perú) con un enfoque basado tanto en los algoritmos de maximización de expectativas de Monte Carlo (MCEM) como en los de máxima verosimilitud de Monte Carlo (MCML). Las estimaciones se comparan con un modelos estándares de tipo GARCH, MS y otros. Los resultados muestran que la persistencia de la volatilidad se captura de forma diferente en los modelos MS y MS-GARCH. Los parámetros estimados con un modelo GARCH estándar exacerban la volatilidad en casi el doble en comparación con el modelo MS-GARCH y una menor verosimilitud con el otro modelo comparado con el modelo MS-GARCH. Hay un comportamiento diferente de los coeficientes y la varianza según los dos regímenes (alta y baja volatilidad) por cada modelo en los mercados bursátiles y cambiarios de América Latina. Hay episodios comunes relacionados con las crisis internacionales globales y también con los acontecimientos internos que producen los diferentes comportamientos en la volatilidad de cada serie temporal.
  • Miniatura
    ÍtemAcceso Abierto
    Estimation of the Sovereign Yield Curve of Peru: The Role of Macroeconomic and Latent Factors
    (Pontificia Universidad Católica del Perú. Departamento de Economía, 2017-03) Olivares Ríos, Alejandra; Rodríguez, Gabriel; Ataurima Arellano, Miguel
    The study of the yield curve has been a topic that interested economists for a long time since the term structure of interest rates is an important transmission channel of monetary policy to inflation and real activity. In this paper, following Ang and Piazzesi (2003), we study the relevance of macroeconomic factors on Peruvian sovereign yield curve through an Affine Term Structure model for the period from November 2005 to December 2015. We estimate a Gaussian model to understand the joint dynamics of macro variables ―inflation and real activity factors― and Peruvian bond yields in a multifactor model of the term structure. Risk premium are modeled as time varying and depend on both observable and unobservable factors. A Vector Autoregressive (VAR) model is estimated considering no-arbitrage assumptions, which let us to derive Impulse Response Functions and Variance Decompositions. We find evidence that macro factors help to improve the fit of the model and explain a substantial amount of variation in bond yields. Variance decompositions show that macro factors explain a significant amount of the movements in the short and middle segments of the yield curve (up to 50%) while unobservable factors are the main drivers for most of the movements at the long end of the yield curve (up to 80%). Furthermore, we find that setting no-arbitrage restrictions improve the forecasting performance of a VAR and that models that include macro factors forecast better than models with only unobservable components. El estudio de la curva de rendimientos ha sido un tema de interés para los economistas desde hace mucho tiempo ya que la estructura a plazo de las tasas de interés es un importante canal de transmisión de la política monetaria a la inflación y a la actividad real. Usando el enfoque de Ang y Piazzesi (2003), este documento estudia la relevancia de los factores macroeconómicos en la curva de rendimiento soberana Peruana a través de un modelo de estructura afín para el período Noviembre 2005 a Diciembre 2015. Se estima un modelo Gaussiano para entender la dinámica conjunta de las variables macroeconómicas ―factores de inflación y actividad real― y los rendimientos de los bonos Peruanos en un modelo multifactorial de la estructura temporal. Las primas de riesgo se modelan como variables cambiantes en el tiempo y dependen de factores observables y no observables. Asi, se estima un modelo vectorial autorregresivo (VAR) considerando supuestos de no arbitraje, lo que nos permite derivar las funciones impulso respuesta y la descomposición de la varianza del error de predicción. Encontramos evidencia de que los factores macro ayudan a mejorar el ajuste del modelo y explican una cantidad sustancial de la variación en los rendimientos de los bonos. Las descomposiciones de varianzas muestran que los factores macroeconómicos explican una cantidad significativa de los movimientos en los segmentos corto y mediano de la curva de rendimientos (hasta el 50%), mientras que los factores no observables son los principales impulsores de la mayoría de los movimientos al final de la curva de rendimientos (hasta el 80%). Además, encontramos que el establecimiento de restricciones de no arbitraje mejoran el desempeño de pronósticos de un VAR y que los modelos que incluyen factores macroeconómicos pronostican mejor que los modelos con sólo componentes no observables.