Aplicación de los modelos Garch a la estimacion del VaR de acciones colombianas

El aumento de la volatilidad de los mercados financieros durante las últimas décadas ha inducido a investigadores, profesionales y reguladores a diseñar y desarrollar herramientas de gestión de riesgos más sofisticadas. El Valor en Riesgo (VaR) se ha convertido en el estándar de medida que los anali...

Full description

Autores:
Ospina-D’Aleman, F. (Federico)
Giraldo-Sánchez, D. A. (David Alejandro)
Tipo de recurso:
Article of journal
Fecha de publicación:
2009
Institución:
Universidad EIA .
Repositorio:
Repositorio EIA .
Idioma:
spa
OAI Identifier:
oai:repository.eia.edu.co:11190/639
Acceso en línea:
https://repository.eia.edu.co/handle/11190/639
Palabra clave:
RSO00023
ORGANIZACIÓN E INDUSTRIA
ORGANIZATION AND INDUSTRY
ACCIÓN ( FINANZAS )
SHARE ( FINANCE )
MODELO GARCH
ARIMA
VALOR EN RIESGO ( VAR )
RISKMETRICS
Rights
openAccess
License
Derechos Reservados - Universidad EIA, 2020
Description
Summary:El aumento de la volatilidad de los mercados financieros durante las últimas décadas ha inducido a investigadores, profesionales y reguladores a diseñar y desarrollar herramientas de gestión de riesgos más sofisticadas. El Valor en Riesgo (VaR) se ha convertido en el estándar de medida que los analistas financieros utilizan para cuantificar el riesgo de mercado por la simplicidad del concepto y facilidad de interpretación. En este proyecto el VaR fue aplicado a la serie de rendimientos de las acciones de mayor bursatilidad del mercado colombiano y fue calculado con el método paramétrico utilizando el enfoque RiskMetrics y los modelos econométricos GARCH. En el análisis del RiskMetrics se debe suponer que la volatilidad de la serie se interpreta por los modelos integrados IGARCH (1,1). Para el cálculo del VaR con los modelos econométricos GARCH se aplica la metodología ARIMA para pronosticar los rendimientos de la serie, que generalmente tienen una varianza no constante en el tiempo, es decir, presentan la existencia de heteroscedasticidad y deben utilizarse los modelos autorregresivos generalizados de heterocedasticidad condicional (GARCH), tales como PGARCH, TGARCH, EGARCH, u otros modelos como IGARCH, GARCH-M para hallar la varianza condicional.