Modelación, pronóstico y evaluación de la volatilidad de índices que representan diversos activos de renta fija y renta variable que listan en el mercado de capitales colombiano

Este trabajo tiene como objetivo principal evaluar la capacidad predictiva relativa fuera de muestra de diversos modelos pertenecientes a la familia GARCH, incluyendo tres modelos asimétricos: TARCH, EGARCH y PARCH. Para caracterizar el mercado de renta variable se va a utilizar el Índice General de...

Full description

Autores:
Tipo de recurso:
masterThesis
Fecha de publicación:
2013
Institución:
Pontificia Universidad Javeriana
Repositorio:
Repositorio Universidad Javeriana
Idioma:
spa
OAI Identifier:
oai:repository.javeriana.edu.co:10554/12102
Acceso en línea:
http://hdl.handle.net/10554/12102
https://doi.org/10.11144/Javeriana.10554.12102
Palabra clave:
Evaluación de pronósticos
GARCH
Modelos asimétricos
Volatilidad
Forecast evaluation
Mercado de capitales - Modelos matemáticos
Maestría en economía - Tesis y disertaciones académicas
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
Description
Summary:Este trabajo tiene como objetivo principal evaluar la capacidad predictiva relativa fuera de muestra de diversos modelos pertenecientes a la familia GARCH, incluyendo tres modelos asimétricos: TARCH, EGARCH y PARCH. Para caracterizar el mercado de renta variable se va a utilizar el Índice General de la Bolsa de Colombia-IGBC. El mercado de renta fija se va a caracterizar utilizando el índice representativo del mercado de deuda pública interna-IDXTES. También se incluye en el estudio la tasa de cambio COP/USD. Todos los modelos se comparan frente a un modelo base GARCH (1,1), utilizando la metodología desarrollada por Diebold y Mariano (DyM) (1995). Los resultados se resumen de la siguiente manera: Para pronósticos de uno hasta veinte días adelante, los modelos asimétricos entregan mejores pronósticos que el modelo GARCH (1,1), en especial el modelo EGARCH, según los valores del estadístico de DyM. Estos muestran que las diferencias son estadísticamente significativas para todos los períodos de predicción estudiados.