Análisis de la volatilidad de un portafolio de criptomonedas mediante modelos de series de tiempo

En este estudio se estima la volatilidad de un portafolio compuesto por las 10 criptomonedas con mayor capitalización durante el período comprendido entre el 19 de noviembre de 2017 y el 30 de diciembre de 2023. Se emplean modelos de series temporales como ARIMA, ARCH y GARCH para analizar y evaluar...

Full description

Autores:
Gómez Fonseca, Paula Lisseth
Rodríguez Córdoba, Valentina
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Colegio Mayor de Cundinamarca
Repositorio:
Repositorio Colegio Mayor de Cundinamarca
Idioma:
spa
OAI Identifier:
oai:repositorio.unicolmayor.edu.co:unicolmayor/7045
Acceso en línea:
https://repositorio.unicolmayor.edu.co/handle/unicolmayor/7045
Palabra clave:
Criptomonedas
ARCH y GARCH
Portafolio de inversión
Riesgo
Rentabilidad
Series temporales
Volatilidad
Rights
closedAccess
License
Derechos Reservados - Universidad Colegio Mayor de Cundinamarca, 2024
Description
Summary:En este estudio se estima la volatilidad de un portafolio compuesto por las 10 criptomonedas con mayor capitalización durante el período comprendido entre el 19 de noviembre de 2017 y el 30 de diciembre de 2023. Se emplean modelos de series temporales como ARIMA, ARCH y GARCH para analizar y evaluar la volatilidad y la rentabilidad en comparación con periodos anteriores. El estudio proporciona bases para estimar, estudiar y analizar estos modelos con el fin de construir un portafolio de inversión diversificado, así como para realizar predicciones fuera de la muestra. La metodología se emplea en un conjunto de 10 criptomonedas, las cuales conforman un portafolio. Los resultados muestran tendencias significativas de volatilidad en el mercado de criptomonedas, indicando que los modelos heterocedásticos ofrecen un mejor rendimiento en términos de estimación normal. Específicamente, el modelo GARCH el cual se destaca al ofrecer un análisis más claro e interpretable de la volatilidad, revelando su comportamiento durante el período analizado.