Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo

En el presente trabajo se implementan dos modelos híbridos los cuales combinan algoritmos de machine learning con los modelos econométricos clásicos para pronosticar la volatilidad del Ethereum. El primero utiliza estructuras de redes neuronales recurrentes junto con pronósticos de un GARCH(1,1), el...

Full description

Autores:

Tipo de recurso:

Fecha de publicación:: 2023

Institución:: Universidad del Rosario

Repositorio:: Repositorio EdocUR - U. Rosario

Idioma:: spa

id	EDOCUR2_b6a2d1c8499a345cca935b650431f7e0
oai_identifier_str	oai:repository.urosario.edu.co:10336/40229
network_acronym_str	EDOCUR2
network_name_str	Repositorio EdocUR - U. Rosario
repository_id_str
dc.title.none.fl_str_mv	Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo
dc.title.TranslatedTitle.none.fl_str_mv	Hybrid models for volatility forecast and their use in risk measures
title	Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo
spellingShingle	Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo Ethereum Pronostico de votalilidad Aprendizaje de maquina Redes neuronales recurrentes Maquina de vectores de soporte Medicion de riesgo Ethereum Volatily forecast Machine learning Recurrent neural networks Support vector machine Risk measurement
title_short	Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo
title_full	Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo
title_fullStr	Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo
title_full_unstemmed	Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo
title_sort	Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo
dc.contributor.advisor.none.fl_str_mv	Castro Iragorri, Carlos Alberto Uribe, Jonny
dc.subject.none.fl_str_mv	Ethereum Pronostico de votalilidad Aprendizaje de maquina Redes neuronales recurrentes Maquina de vectores de soporte Medicion de riesgo
topic	Ethereum Pronostico de votalilidad Aprendizaje de maquina Redes neuronales recurrentes Maquina de vectores de soporte Medicion de riesgo Ethereum Volatily forecast Machine learning Recurrent neural networks Support vector machine Risk measurement
dc.subject.keyword.none.fl_str_mv	Ethereum Volatily forecast Machine learning Recurrent neural networks Support vector machine Risk measurement
description	En el presente trabajo se implementan dos modelos híbridos los cuales combinan algoritmos de machine learning con los modelos econométricos clásicos para pronosticar la volatilidad del Ethereum. El primero utiliza estructuras de redes neuronales recurrentes junto con pronósticos de un GARCH(1,1), el segundo modelo aplica SVM para la estimación de los modelos GARCH. Se encuentra que ambos modelos se desempeñan mejor en el pronostico de la volatilidad que sus modelos base, adicionalmente se evalúa la eficiencia en la medición del riesgo mediante el Value at Risk en el cual solo el segundo modelo tuvo una mayor efectividad en la gestión del riesgo frente al modelo base.
publishDate	2023
dc.date.accessioned.none.fl_str_mv	2023-07-26T13:38:18Z
dc.date.available.none.fl_str_mv	2023-07-26T13:38:18Z
dc.date.created.none.fl_str_mv	2023-07-19
dc.type.none.fl_str_mv	bachelorThesis
dc.type.coar.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.document.none.fl_str_mv	Tesis
dc.type.spa.none.fl_str_mv	Trabajo de grado
dc.identifier.doi.none.fl_str_mv	https://doi.org/10.48713/10336_40229
dc.identifier.uri.none.fl_str_mv	https://repository.urosario.edu.co/handle/10336/40229
url	https://doi.org/10.48713/10336_40229 https://repository.urosario.edu.co/handle/10336/40229
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.rights.*.fl_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.acceso.none.fl_str_mv	Abierto (Texto Completo)
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/
rights_invalid_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International Abierto (Texto Completo) http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2
dc.format.extent.none.fl_str_mv	41
dc.format.mimetype.none.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Universidad del Rosario
dc.publisher.department.spa.fl_str_mv	Facultad de Economía
dc.publisher.program.spa.fl_str_mv	Maestría en Finanzas Cuantitativas
institution	Universidad del Rosario
dc.source.bibliographicCitation.none.fl_str_mv	Bucci, Andrea (2020) Realized volatility forecasting with neural networks. En:Journal of Financial Econometrics; Vol. 18; No. 3; pp. 502 - 531; Oxford University Press;
dc.source.instname.none.fl_str_mv	instname:Universidad del Rosario
dc.source.reponame.none.fl_str_mv	reponame:Repositorio Institucional EdocUR
bitstream.url.fl_str_mv	https://repository.urosario.edu.co/bitstreams/3705ab3a-10b9-4d99-b15e-25c428e18af0/download https://repository.urosario.edu.co/bitstreams/003ada25-aebf-4cea-9f93-83bb7b2281ae/download https://repository.urosario.edu.co/bitstreams/8baea2a1-946b-4063-9a4a-fa7e948fa92b/download https://repository.urosario.edu.co/bitstreams/e2eef20e-9c5f-48a7-a2ae-f6271a3b6406/download https://repository.urosario.edu.co/bitstreams/a109c7d2-a805-40b8-9fba-2a2365c3f74e/download https://repository.urosario.edu.co/bitstreams/26efe11d-28f7-44b8-ab0f-4af06711159b/download
bitstream.checksum.fl_str_mv	1810e8c08e6dd1f17cfc2203054a11f1 124990321f8f6512b171354b1cd29f5c b2825df9f458e9d5d96ee8b7cd74fde6 3b6ce8e9e36c89875e8cf39962fe8920 7c1c53b429a1c9ca20bb2c630de38d42 44e3cc4f814305c71bc843c08db28ca9
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio institucional EdocUR
repository.mail.fl_str_mv	edocur@urosario.edu.co
_version_	1814167708875358208
spelling	Castro Iragorri, Carlos Alberto79947917600Uribe, Jonnye2824f24-1a77-4211-9f0b-ca13f0e4b720-1Velez Hernandez, SebastianMagíster en Finanzas CuantitativasMaestríaPart time6b887b1c-81a1-4342-a7c0-886257e88ca1-12023-07-26T13:38:18Z2023-07-26T13:38:18Z2023-07-19En el presente trabajo se implementan dos modelos híbridos los cuales combinan algoritmos de machine learning con los modelos econométricos clásicos para pronosticar la volatilidad del Ethereum. El primero utiliza estructuras de redes neuronales recurrentes junto con pronósticos de un GARCH(1,1), el segundo modelo aplica SVM para la estimación de los modelos GARCH. Se encuentra que ambos modelos se desempeñan mejor en el pronostico de la volatilidad que sus modelos base, adicionalmente se evalúa la eficiencia en la medición del riesgo mediante el Value at Risk en el cual solo el segundo modelo tuvo una mayor efectividad en la gestión del riesgo frente al modelo base.In the present study, two hybrid models are implemented, which combine machine learning algorithms with classical econometric models to forecast Ethereum volatility. The first model utilizes recurrent neural network structures in conjunction with forecasts from a GARCH(1,1) model, while the second model applies SVM for the estimation of GARCH models. It is found that both models outperform their respective base models in volatility forecasting. Additionally, the efficiency in risk measurement is evaluated using Value at Risk, in which only the second model demonstrates greater effectiveness in risk management compared to the base model.41application/pdfhttps://doi.org/10.48713/10336_40229 https://repository.urosario.edu.co/handle/10336/40229spaUniversidad del RosarioFacultad de EconomíaMaestría en Finanzas CuantitativasAttribution-NonCommercial-NoDerivatives 4.0 InternationalAbierto (Texto Completo)EL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DEL ROSARIO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. -------------------------------------- POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DEL ROSARIO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo habeasdata@urosario.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datos.http://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2 Bucci, Andrea (2020) Realized volatility forecasting with neural networks. En:Journal of Financial Econometrics; Vol. 18; No. 3; pp. 502 - 531; Oxford University Press;instname:Universidad del Rosarioreponame:Repositorio Institucional EdocUREthereumPronostico de votalilidadAprendizaje de maquinaRedes neuronales recurrentesMaquina de vectores de soporteMedicion de riesgoEthereumVolatily forecastMachine learningRecurrent neural networksSupport vector machineRisk measurementModelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgoHybrid models for volatility forecast and their use in risk measuresbachelorThesisTesisTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fFacultad de EconomíaORIGINALModelos-Hibridos-Sebastian-Velez-Hernandez.pdfModelos-Hibridos-Sebastian-Velez-Hernandez.pdfapplication/pdf2980888https://repository.urosario.edu.co/bitstreams/3705ab3a-10b9-4d99-b15e-25c428e18af0/download1810e8c08e6dd1f17cfc2203054a11f1MD51Modelos-Hibridos-Sebastian-Velez-Hernande-Bibliografia.risModelos-Hibridos-Sebastian-Velez-Hernande-Bibliografia.risapplication/x-research-info-systems218https://repository.urosario.edu.co/bitstreams/003ada25-aebf-4cea-9f93-83bb7b2281ae/download124990321f8f6512b171354b1cd29f5cMD52LICENSElicense.txtlicense.txttext/plain1483https://repository.urosario.edu.co/bitstreams/8baea2a1-946b-4063-9a4a-fa7e948fa92b/downloadb2825df9f458e9d5d96ee8b7cd74fde6MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://repository.urosario.edu.co/bitstreams/e2eef20e-9c5f-48a7-a2ae-f6271a3b6406/download3b6ce8e9e36c89875e8cf39962fe8920MD54TEXTModelos-Hibridos-Sebastian-Velez-Hernandez.pdf.txtModelos-Hibridos-Sebastian-Velez-Hernandez.pdf.txtExtracted texttext/plain74674https://repository.urosario.edu.co/bitstreams/a109c7d2-a805-40b8-9fba-2a2365c3f74e/download7c1c53b429a1c9ca20bb2c630de38d42MD55THUMBNAILModelos-Hibridos-Sebastian-Velez-Hernandez.pdf.jpgModelos-Hibridos-Sebastian-Velez-Hernandez.pdf.jpgGenerated Thumbnailimage/jpeg2627https://repository.urosario.edu.co/bitstreams/26efe11d-28f7-44b8-ab0f-4af06711159b/download44e3cc4f814305c71bc843c08db28ca9MD5610336/40229oai:repository.urosario.edu.co:10336/402292023-07-27 03:03:32.891http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.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

Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo

Publicaciones similares