María Inés Barbosa, Alejandra Salazar Sarmiento, Kelly Jhohana Peñaloza Gómez
Este documento evalúa el comportamiento de varios modelos de volatilidad en estimaciones de un día del valor en riesgo (VaR) de veinticuatro series de retornos de acciones en Colombia con diferentes distribuciones. Al considerar que todas las series de retornos presentan clúster de volatilidad y memoria de largo plazo, se utilizan modelos tipo GARCH que incluyen diferentes distribuciones: normal, T-Student y GED. Los hallazgos corroboran la dificultad de elegir un único modelo para el cálculo del VaR, pero validan el uso de modelos paramétricos con distribución normal y simulación Montecarlo en mercados financieros emergentes.
This paper evaluates the performance of several volatility models for estimating one-day-ahead Value-at-Risk (VaR) of twenty-four stocks return series in Colombia, using a number of distributional assumptions. Because all return series exhibit volatility clustering and long-range memory, GARCH-type models including models under normal, T-Student and generalized error distribution are examined. The findings corroborate the difficulty of choosing a single model for calculating VaR, but validate the use of parametric models with normal distribution and Montecarlo simulation in emerging financial markets.
Este documento avalia o comportamento de vários modelos de volatilidade em estimativas de um dia do Value at Risk (VaR) de 24 séries de retornos das ações na Colômbia com diferentes distribuições. Ao considerar que todas as séries de retornos apresentam cluster de volatilidade e memória de longo prazo, são utilizados modelos tipo GARCH que incluem diferentes distribuições: normal, t-student e GED. Os achados corroboram a dificuldade de escolher um único modelo para calcular o VaR, mas validam o uso de modelos paramétricos com distribuição normal e simulação Montecarlo em mercados financeiros emergentes.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados