Time Series Models for the Colombian TRM Exchange Rate
El tipo de cambio del dólar estadounidense y el peso colombiano (Tasa Representativa del Mercado, TRM) es una serie financiera caracterizada por periodos de alta volatilidad. En este trabajo se aplicaron tres clases de series temporales: los modelos ARMA, ARMA-GARCH y Markov Switching (MS) para repr...
- Autores:
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2021
- Institución:
- Universidad de Bogotá Jorge Tadeo Lozano
- Repositorio:
- Expeditio: repositorio UTadeo
- Idioma:
- spa
- OAI Identifier:
- oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/32263
- Acceso en línea:
- https://ceur-ws.org/Vol-2714/icaiw_wdea_4.pdf
http://hdl.handle.net/20.500.12010/32263
- Palabra clave:
- Volatilidad
Tipo de cambio
ARMA
Markov Switching
- Rights
- License
- Abierto (Texto Completo)
| id |
UTADEO2_4f63262002f377ffb9af106737c16cc6 |
|---|---|
| oai_identifier_str |
oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/32263 |
| network_acronym_str |
UTADEO2 |
| network_name_str |
Expeditio: repositorio UTadeo |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Time Series Models for the Colombian TRM Exchange Rate |
| title |
Time Series Models for the Colombian TRM Exchange Rate |
| spellingShingle |
Time Series Models for the Colombian TRM Exchange Rate Volatilidad Tipo de cambio ARMA Markov Switching |
| title_short |
Time Series Models for the Colombian TRM Exchange Rate |
| title_full |
Time Series Models for the Colombian TRM Exchange Rate |
| title_fullStr |
Time Series Models for the Colombian TRM Exchange Rate |
| title_full_unstemmed |
Time Series Models for the Colombian TRM Exchange Rate |
| title_sort |
Time Series Models for the Colombian TRM Exchange Rate |
| dc.subject.spa.fl_str_mv |
Volatilidad Tipo de cambio ARMA |
| topic |
Volatilidad Tipo de cambio ARMA Markov Switching |
| dc.subject.lemb.spa.fl_str_mv |
Markov Switching |
| description |
El tipo de cambio del dólar estadounidense y el peso colombiano (Tasa Representativa del Mercado, TRM) es una serie financiera caracterizada por periodos de alta volatilidad. En este trabajo se aplicaron tres clases de series temporales: los modelos ARMA, ARMA-GARCH y Markov Switching (MS) para representar los logreturns del TRM entre 2013-01-03 y 2020-07-02. Los mejores modelos entre varios modelos ajustados para cada clase se determinaron basándose en los criterios de información de Akaike y Bayesiano (AIC y BIC, respectivamente) y previsiones de un paso en el periodo 2020-07-03 a 2020-07-31. El modelo ARMA-GARCH permitió una descripción más precisa de la varianza condicional que el modelo ARMA. Además, el modelo MS definió 3 regímenes, cada uno con su propio proceso AR. El régimen con mayor variabilidad mostró ocurrencias esporádicas, y puede asociarse a tres acontecimientos importantes a escala mundial: la crisis del petróleo de 2014, la crisis entre EE. crisis del petróleo en 2014, la guerra comercial entre EE.UU. y China en 2018, y la pandemia COVID-19 en marzo de 2020. Los resultados demuestran la solidez de los modelos para la previsión en ventanas temporales de un paso o más largas. |
| publishDate |
2021 |
| dc.date.created.none.fl_str_mv |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2023-10-31T04:16:58Z |
| dc.date.available.none.fl_str_mv |
2023-10-31T04:16:58Z |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| format |
http://purl.org/coar/resource_type/c_6501 |
| dc.identifier.other.spa.fl_str_mv |
https://ceur-ws.org/Vol-2714/icaiw_wdea_4.pdf |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12010/32263 |
| url |
https://ceur-ws.org/Vol-2714/icaiw_wdea_4.pdf http://hdl.handle.net/20.500.12010/32263 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
George E. P. Box and William M. Jekins: Some recent advanced in forecast and control, Applied Statistics, 23, (1974) Robert Engle F. and H.D. Sherali: autoregressive conditional heteroscedasticity with estimates of the variance of united kingdom inflation, Econometrica, 50, 987–1008 (1982) Tim P. Bollerslev: Generalized autoregressive conditional heteroskedasticity, Econometrics, Elsevier, 31, 307–327 (1986) Daniel B. Nelson and Charles Cao: Inequality constraints in the univariate garch Model, Journal of Business & Economic Statistics,10, 229–235 (1992) James D. Hamilton: Time series analysis, University Press, Princeton, 11, 494–495 (1994) Roger Espinosa Gonzáles, Sandro Marcelo Fernández, Juan Morocho Ruiz, Irina Valenzuela Ramírez, and Javier Ventura Zarate: Un modelo Markov Switching para el tipo de cambio real en el Peru 1992-2007, Curso de Extensión Universitaria del Banco Central de Reserva del Perú (2008) Banco de la Republica de Colombia, https://www.banrep.gov.co/docum/Lectura-finanzas/ pdf/flotacion1.pdf, Last accessed September 2020 James D. Hamilton: Regime-Switching models,University of California, San Diego, 202– 209 (2005) |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| rights_invalid_str_mv |
Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| dc.format.extent.spa.fl_str_mv |
13 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
ICAIW |
| institution |
Universidad de Bogotá Jorge Tadeo Lozano |
| bitstream.url.fl_str_mv |
https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/32263/1/icaiw_wdea_4.pdf https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/32263/2/license.txt https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/32263/3/icaiw_wdea_4.pdf.jpg |
| bitstream.checksum.fl_str_mv |
1bd14727f3b6735d56766ab175808989 baba314677a6b940f072575a13bb6906 10a880ce1f956f9adf25ebf8390c9212 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional - Universidad Jorge Tadeo Lozano |
| repository.mail.fl_str_mv |
expeditiorepositorio@utadeo.edu.co |
| _version_ |
1814213505619853312 |
| spelling |
2023-10-31T04:16:58Z2023-10-31T04:16:58Z2021https://ceur-ws.org/Vol-2714/icaiw_wdea_4.pdfhttp://hdl.handle.net/20.500.12010/32263El tipo de cambio del dólar estadounidense y el peso colombiano (Tasa Representativa del Mercado, TRM) es una serie financiera caracterizada por periodos de alta volatilidad. En este trabajo se aplicaron tres clases de series temporales: los modelos ARMA, ARMA-GARCH y Markov Switching (MS) para representar los logreturns del TRM entre 2013-01-03 y 2020-07-02. Los mejores modelos entre varios modelos ajustados para cada clase se determinaron basándose en los criterios de información de Akaike y Bayesiano (AIC y BIC, respectivamente) y previsiones de un paso en el periodo 2020-07-03 a 2020-07-31. El modelo ARMA-GARCH permitió una descripción más precisa de la varianza condicional que el modelo ARMA. Además, el modelo MS definió 3 regímenes, cada uno con su propio proceso AR. El régimen con mayor variabilidad mostró ocurrencias esporádicas, y puede asociarse a tres acontecimientos importantes a escala mundial: la crisis del petróleo de 2014, la crisis entre EE. crisis del petróleo en 2014, la guerra comercial entre EE.UU. y China en 2018, y la pandemia COVID-19 en marzo de 2020. Los resultados demuestran la solidez de los modelos para la previsión en ventanas temporales de un paso o más largas.#Covid-19The US Dollar and the Colombian Peso currency exchange rate (Tasa Representativa del Mercado, TRM) is a financial series characterized by periods of high volatility. In this paper it was applied three classes of time series: the ARMA, ARMA-GARCH and Markov Switching (MS) models to represent the logreturns of the TRM between 2013-01-03 and 2020-07-02. The best models among several fitted models for each class were determined based on the Akaike and the Bayesian information criteria (AIC and BIC, respectively) and one-step forecasts in the period 2020-07-03 to 2020-07-31. The ARMA-GARCH model allowed a more precise description of the conditional variance than the ARMA model. Furthermore, the MS model defined 3 regimes each one with its own AR process. The regime with highest variability showed sporadic occurrences, and can be associated to three important events at global scale: the oil crisis in 2014, the US-China trade war in 2018, and the COVID-19 pandemics in march 2020. The results demonstrate the robustness of the models for forecasting in one-step or longer time windows.13 páginasapplication/pdfspaICAIWVolatilidadTipo de cambioARMAMarkov SwitchingTime Series Models for the Colombian TRM Exchange RateAbierto (Texto Completo)http://purl.org/coar/access_right/c_abf2George E. P. Box and William M. Jekins: Some recent advanced in forecast and control, Applied Statistics, 23, (1974)Robert Engle F. and H.D. Sherali: autoregressive conditional heteroscedasticity with estimates of the variance of united kingdom inflation, Econometrica, 50, 987–1008 (1982)Tim P. Bollerslev: Generalized autoregressive conditional heteroskedasticity, Econometrics, Elsevier, 31, 307–327 (1986)Daniel B. Nelson and Charles Cao: Inequality constraints in the univariate garch Model, Journal of Business & Economic Statistics,10, 229–235 (1992)James D. Hamilton: Time series analysis, University Press, Princeton, 11, 494–495 (1994)Roger Espinosa Gonzáles, Sandro Marcelo Fernández, Juan Morocho Ruiz, Irina Valenzuela Ramírez, and Javier Ventura Zarate: Un modelo Markov Switching para el tipo de cambio real en el Peru 1992-2007, Curso de Extensión Universitaria del Banco Central de Reserva del Perú (2008)Banco de la Republica de Colombia, https://www.banrep.gov.co/docum/Lectura-finanzas/ pdf/flotacion1.pdf, Last accessed September 2020James D. Hamilton: Regime-Switching models,University of California, San Diego, 202– 209 (2005)http://purl.org/coar/resource_type/c_6501Giraldo-Alvarado, LuisRiascos-Ochoa, JavierORIGINALicaiw_wdea_4.pdficaiw_wdea_4.pdfapplication/pdf3562173https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/32263/1/icaiw_wdea_4.pdf1bd14727f3b6735d56766ab175808989MD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-82938https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/32263/2/license.txtbaba314677a6b940f072575a13bb6906MD52open accessTHUMBNAILicaiw_wdea_4.pdf.jpgicaiw_wdea_4.pdf.jpgIM Thumbnailimage/jpeg11011https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/32263/3/icaiw_wdea_4.pdf.jpg10a880ce1f956f9adf25ebf8390c9212MD53open access20.500.12010/32263oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/322632023-11-10 10:03:06.788open accessRepositorio Institucional - Universidad Jorge Tadeo Lozanoexpeditiorepositorio@utadeo.edu.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 |