María Concepción Ausín Olivera, Pedro Galeano
Este trabajo propone un modelo autorregresivo multivariante de heterocedasticidad condicional con correlaciones dinamicas. Se asume que las volatilidades condicionales siguen modelos EGARCH, que permiten la presencia de asimetrias y que el vector de innovaciones estandarizadas sigue una distribucion de mixturas Gaussianas multivariante con un numero desconocido de componentes. Inferencia sobre los parametros del modelo y prediccion de futuras volatilidades se lleva a cabo mediante maxima verosimilitud y metodos Bayesianos. En particular, el procedimiento Bayesiano proporciona intervalos predictivos que tienen en cuenta la incertidumbre debida a la estimacion de los parametros.
Tambien se estudian los problemas de estimacion del valor en riesgo (VaR) de una cartera y la seleccion de carteras optimas. El buen funcionamiento de la metodologa propuesta se ilustra mediante algunos experimentos de Monte Carlo y el analisis de los precios de cierre diarios de los ndices Dow Jones y Nasdaq.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados