Un Enfoque Bayesiano en Modelos Heterocedásticos de Series de Tiempo y su Aplicación en la Volatilidad de Activos Financieros

• Flores Montoya, Edwin Antero ^[1] ; Bravo Quiroz, Antonio ^[1]
  1. [1] Universidad Nacional Mayor de San Marcos

     Universidad Nacional Mayor de San Marcos

     Perú

     
• Localización: Pesquimat, ISSN-e 1609-8439, ISSN 1560-912X, Vol. 24, Nº. 2, 2021, págs. 1-12
• Idioma: español
• Títulos paralelos:
  • A Bayesian Approach to Heterocedastic Models of Time Series and its Application in the Volatility of Financial Assets
• Enlaces
  • Texto completo
• Resumen
  • español

    En este trabajo, se estudia la modelación de la volatilidad de activos financieros mediante un enfoque bayesiano. Se utilizan modelos DCC - GARCH, para los errores de estos modelos se consideran distribuciones de probabilidad asimétricas y leptocúrticas, las cuales se parametrizan en función de la asimetría y el peso de las colas, por lo que también se estiman estos parámetros. La estimación de los parámetros del modelo se realizó mediante la metodología MCMC algoritmo Metropolis - Hastings caminata aleatoria haciendo uso del software R paquete bayesDccGarch, se consideran datos diarios del 1/04/2015 - 31/01/2020 de los índices bursátiles de: Frankfurt (DAX), Tokio (NIKKEI225), París (CAC40), y de Lima (BVL). El enfoque bayesiano para la estimación de los parámetros del modelo facilita la interpretación y brinda la posibilidad de insertar información a priori para los parámetros.

  • English

    In this work, the modeling of the volatility of financial assets is studied using a Bayesian approach. DCC - GARCH models are used, for the errors of these models asymmetric and leptokurtic probability distributions are considered, which are parameterized according to the asymmetry and the weight of the tails, therefore these parameters are also estimated. The estimation of the model parameters was performed using the MCMC methodology Metropolis - Hastings random walk algorithm using the software R package bayesDccGarch, daily data from 04/01/2015 - 01/31/2020 of the stock indices of: Frankfurt are considered (DAX), Tokyo (NIKKEI225), Paris (CAC40), and Lima (BVL). The Bayesian approach to estimating the model parameters facilitates interpretation and provides the ability to insert a priori information for the parameters.