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

Abstract

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.

An extensive family of univariate models of autoregressive conditional heteroskedasticity is applied to Peru’s daily stock market returns for the period January 3, 1992 to March 30, 2012 (5053 observations) with four different specifications related to the distribution of the disturbance term. This concerns capturing the asymmetries of the behavior of the volatility, as well as the presence of heavy tails in these time series. Using different statistical tests and different criteria, the results show the following: (i) the FIGARCH (1,1)-t is the best model among all symmetric models while the FIEGARCH (1,1)-Sk is selected from the class of asymmetrical models. Also, the model FIAPARCH (1,1)-t is selected from the class of asymmetric power models; (ii) the three models capture well the behavior of the conditional volatility; (iii) the model FIEGARCH (1,1)-Sk is the one with the best performance in terms of prediction; (iv) however, the empirical distribution of the standardized residuals shows that the behavior of the tails is not well captured by either model; (v) the three models suggest the presence of long memory with estimates of the fractional parameter close to the nonstationarity region.