Una revisión de los modelos de volatilidad estocástica
In economics, a good part of the processes observed over time arise as the result of effects of latent variables, ie processes not directly observable. This is the case of the volatility of financial market returns, which has been shaped since the early 80s using ARCH and GARCH conditional variance mo...
- Autores:
-
Tamayo Medina, Ronne
Rodríguez Pinzón, Heivar Yesid
- Tipo de recurso:
- Fecha de publicación:
- 2010
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Universidad Santo Tomás
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/39542
- Acceso en línea:
- https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32
http://hdl.handle.net/11634/39542
- Palabra clave:
- Filtro Kalman
modelos de estado-espacio
modelos de volatilidad estocástica
- Rights
- License
- http://purl.org/coar/access_right/c_abf2
id |
SantoToma2_a14c9d43e73d1464f037e22abc04c5af |
---|---|
oai_identifier_str |
oai:repository.usta.edu.co:11634/39542 |
network_acronym_str |
SantoToma2 |
network_name_str |
Universidad Santo Tomás |
repository_id_str |
|
spelling |
Tamayo Medina, RonneRodríguez Pinzón, Heivar Yesid2022-01-18T16:06:45Z2022-01-18T16:06:45Z2010-08-28https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/3210.15332/s2027-3355.2010.0001.05http://hdl.handle.net/11634/39542In economics, a good part of the processes observed over time arise as the result of effects of latent variables, ie processes not directly observable. This is the case of the volatility of financial market returns, which has been shaped since the early 80s using ARCH and GARCH conditional variance models, and more recently stochastic volatility models (SV), which present fewer parameters than GARCH models and allow us to study the non-linear nature of volatility. Because in the SV model is not known accurately the likelihood function, the method of maximum quasi-likelihood is used. This method uses the representation in state-space model form. The SV model representation is evaluated through adaptive filters, such as Kalman, which implies a higher computational cost. En economía, una buena parte de los procesos observados a través del tiempo se plantean como el resultado de efectos de variables latentes, es decir, procesos no observables de forma directa. Este es el caso de la volatilidad de la rentabilidad en el mercado financiero, la cual ha sido modelada desde comienzos de los años 80 empleando modelos de varianza condicional ARCH y GARCH y, más recientemente modelos de volatilidad estocástica SV, los cuales presentan un menor número de parámetros que los modelos GARCH y permiten estudiar la naturaleza no-lineal de la volatilidad.Debido a que en el modelo SV no se conoce de forma exácta la función de verosimilitud, se emplea el método de estimación máximo cuasi-verosímil propuesto por gh94, el cual utiliza la representación en forma de modelo de estados State-Space. La representacion del modelo SV mediante la forma de estados se evalua a traves de filtros adaptativos, como es el caso de los filtros Kalman, lo cual implica un mayor costo computacional. A partir de lo anterior, no necesariamente se llega a la solución óptima del problema.application/pdftext/plainspaUniversidad Santo Tomáshttps://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32/30https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32/3674Comunicaciones en Estadística; Vol. 3 Núm. 1 (2010); 79-98Comunicaciones en Estadística; Vol. 3 No. 1 (2010); 79-982339-30762027-3355Una revisión de los modelos de volatilidad estocásticaA revision of stochastic volatility modelsinfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb1Filtro Kalmanmodelos de estado-espaciomodelos de volatilidad estocásticahttp://purl.org/coar/access_right/c_abf211634/39542oai:repository.usta.edu.co:11634/395422023-07-14 16:15:37.532metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co |
dc.title.spa.fl_str_mv |
Una revisión de los modelos de volatilidad estocástica |
dc.title.alternative.eng.fl_str_mv |
A revision of stochastic volatility models |
title |
Una revisión de los modelos de volatilidad estocástica |
spellingShingle |
Una revisión de los modelos de volatilidad estocástica Filtro Kalman modelos de estado-espacio modelos de volatilidad estocástica |
title_short |
Una revisión de los modelos de volatilidad estocástica |
title_full |
Una revisión de los modelos de volatilidad estocástica |
title_fullStr |
Una revisión de los modelos de volatilidad estocástica |
title_full_unstemmed |
Una revisión de los modelos de volatilidad estocástica |
title_sort |
Una revisión de los modelos de volatilidad estocástica |
dc.creator.fl_str_mv |
Tamayo Medina, Ronne Rodríguez Pinzón, Heivar Yesid |
dc.contributor.author.none.fl_str_mv |
Tamayo Medina, Ronne Rodríguez Pinzón, Heivar Yesid |
dc.subject.proposal.spa.fl_str_mv |
Filtro Kalman modelos de estado-espacio modelos de volatilidad estocástica |
topic |
Filtro Kalman modelos de estado-espacio modelos de volatilidad estocástica |
description |
In economics, a good part of the processes observed over time arise as the result of effects of latent variables, ie processes not directly observable. This is the case of the volatility of financial market returns, which has been shaped since the early 80s using ARCH and GARCH conditional variance models, and more recently stochastic volatility models (SV), which present fewer parameters than GARCH models and allow us to study the non-linear nature of volatility. Because in the SV model is not known accurately the likelihood function, the method of maximum quasi-likelihood is used. This method uses the representation in state-space model form. The SV model representation is evaluated through adaptive filters, such as Kalman, which implies a higher computational cost. |
publishDate |
2010 |
dc.date.issued.none.fl_str_mv |
2010-08-28 |
dc.date.accessioned.none.fl_str_mv |
2022-01-18T16:06:45Z |
dc.date.available.none.fl_str_mv |
2022-01-18T16:06:45Z |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/article |
dc.identifier.none.fl_str_mv |
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32 10.15332/s2027-3355.2010.0001.05 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/39542 |
url |
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32 http://hdl.handle.net/11634/39542 |
identifier_str_mv |
10.15332/s2027-3355.2010.0001.05 |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32/30 https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32/3674 |
dc.relation.citationissue.spa.fl_str_mv |
Comunicaciones en Estadística; Vol. 3 Núm. 1 (2010); 79-98 |
dc.relation.citationissue.eng.fl_str_mv |
Comunicaciones en Estadística; Vol. 3 No. 1 (2010); 79-98 |
dc.relation.citationissue.none.fl_str_mv |
2339-3076 2027-3355 |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.none.fl_str_mv |
application/pdf text/plain |
dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
institution |
Universidad Santo Tomás |
repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
repository.mail.fl_str_mv |
noreply@usta.edu.co |
_version_ |
1800786430961647616 |