La evidencia empírica indica que la volatilidad de la serie de los retornos bursátiles tiene larga memoria. Sin embargo, se ha demostrado que los procesos de corta memoria contaminados con cambios de nivel aleatorios pueden ser confundidos con larga memoria. Frecuentemente esta característica es conocida como larga memoria espúrea. Este trabajo presenta un estudio empírico del modelo de cambios de nivel aleatorios, Random Level Shift (RLS) usando la aproximación de Lu y Perron (2010) y Li y Perron (2013) para la volatilidad de los retornos bursátiles diarios para cinco países latinoamericanos. El modelo RLS consiste en la suma de un componente de corta memoria y un componente de cambio de nivel, donde este último es gobernado por un proceso Bernoulli con probabilidad de cambio a. Los resultados obtenidos sugieren que los cambios de nivel de la volatilidad de los retornos diarios son poco frecuentes pero una vez que se toman en cuenta, la característica de larga memoria y los efectos GARCH desaparecen. También se realizó un ejercicio de predicción fuera de la muestra. / Tesis

Using a sample of weekly frequency of the stock markets returns series, we estimate a set of Markov-Switching-Generalized Autoregressive Conditional Heterocedastic- ity (MS-GARCH) models to a set of Latin American countries (Argentina, Brazil, Chile, Colombia, Mexico and Peru) with an approach based on both the Monte Carlo Expectation-Maximization (MCEM) and Monte Carlo Maximum Likelihood (MCML) algorithms suggested by Augustyniak (2014). The estimates are compared with a stan- dard GARCH, MS and other models. The results show that the volatility persistence is captured di¤erently in the MS and MS-GARCH models. The estimated parameters with a standard GARCH model exacerbates the volatility in almost double compared to MS-GARCH model. There is di¤erent behavior of the coe¢ cients and the variance according the two regimes (high and low volatility) by each model in the Latin Amer- ican stock markets. There are common episodes related to global international crises and also domestic events producing the di¤erent behavior in the volatility of each time series. / Utilizando una muestra de frecuencia semanal de series de retornos de los mercados bursátiles, se estima un conjunto de modelos autorregresivos heterocedásticos condicionales generalizados con cambios de régimen Markov (MS-GARCH, por sus siglas en inglés) a un conjunto de países de América Latina (Argentina, Brasil, Chile, Colombia, México y Perú) con un enfoque basado en los algoritmos de Esperanza-Maximización de Monte Carlo (MCEM, por sus siglas en inglés) y de Máxima Verosimilitud de Monte Carlo (MCML, por sus siglas en inglés) sugeridos por Augustyniak (2014). Las estimaciones son comparadas contra un modelo GARCH estándar, un modelo de cambio de régimen Markov (MS, por sus siglas en inglés) y otros modelos más. Los resultados muestran que la persistencia de la volatilidad es capturada de manera diferente en los modelos MS y MS-GARCH. Los parámetros estimados con un modelo GARCH estándar exacerban la volatilidad a casi el doble en comparación el modelo MS-GARCH. Se evidencia un diferente comportamiento de los coeficientes y la varianza según los dos regímenes (alta y baja volatilidad) en cada uno de los modelos en los Mercados Bursátiles Latinoamericanos. Hay episodios comunes relacionados con las crisis internacionales globales así como eventos domésticos (nacionales) que producen un diferente comportamiento de la volatilidad en cada serie de tiempo. / Tesis

La evidencia empírica indica que la volatilidad de la serie de los retornos bursátiles tiene larga memoria. Sin embargo, se ha demostrado que los procesos de corta memoria contaminados con cambios de nivel aleatorios pueden ser confundidos con larga memoria. Frecuentemente esta característica es conocida como larga memoria espúrea. Este trabajo presenta un estudio empírico del modelo de cambios de nivel aleatorios, Random Level Shift (RLS) usando la aproximación de Lu y Perron (2010) y Li y Perron (2013) para la volatilidad de los retornos bursátiles diarios para cinco países latinoamericanos. El modelo RLS consiste en la suma de un componente de corta memoria y un componente de cambio de nivel, donde este último es gobernado por un proceso Bernoulli con probabilidad de cambio a. Los resultados obtenidos sugieren que los cambios de nivel de la volatilidad de los retornos diarios son poco frecuentes pero una vez que se toman en cuenta, la característica de larga memoria y los efectos GARCH desaparecen. También se realizó un ejercicio de predicción fuera de la muestra.

Using a sample of weekly frequency of the stock markets returns series, we estimate a set of Markov-Switching-Generalized Autoregressive Conditional Heterocedastic- ity (MS-GARCH) models to a set of Latin American countries (Argentina, Brazil, Chile, Colombia, Mexico and Peru) with an approach based on both the Monte Carlo Expectation-Maximization (MCEM) and Monte Carlo Maximum Likelihood (MCML) algorithms suggested by Augustyniak (2014). The estimates are compared with a stan- dard GARCH, MS and other models. The results show that the volatility persistence is captured di¤erently in the MS and MS-GARCH models. The estimated parameters with a standard GARCH model exacerbates the volatility in almost double compared to MS-GARCH model. There is di¤erent behavior of the coe¢ cients and the variance according the two regimes (high and low volatility) by each model in the Latin Amer- ican stock markets. There are common episodes related to global international crises and also domestic events producing the di¤erent behavior in the volatility of each time series. / Utilizando una muestra de frecuencia semanal de series de retornos de los mercados bursátiles, se estima un conjunto de modelos autorregresivos heterocedásticos condicionales generalizados con cambios de régimen Markov (MS-GARCH, por sus siglas en inglés) a un conjunto de países de América Latina (Argentina, Brasil, Chile, Colombia, México y Perú) con un enfoque basado en los algoritmos de Esperanza-Maximización de Monte Carlo (MCEM, por sus siglas en inglés) y de Máxima Verosimilitud de Monte Carlo (MCML, por sus siglas en inglés) sugeridos por Augustyniak (2014). Las estimaciones son comparadas contra un modelo GARCH estándar, un modelo de cambio de régimen Markov (MS, por sus siglas en inglés) y otros modelos más. Los resultados muestran que la persistencia de la volatilidad es capturada de manera diferente en los modelos MS y MS-GARCH. Los parámetros estimados con un modelo GARCH estándar exacerban la volatilidad a casi el doble en comparación el modelo MS-GARCH. Se evidencia un diferente comportamiento de los coeficientes y la varianza según los dos regímenes (alta y baja volatilidad) en cada uno de los modelos en los Mercados Bursátiles Latinoamericanos. Hay episodios comunes relacionados con las crisis internacionales globales así como eventos domésticos (nacionales) que producen un diferente comportamiento de la volatilidad en cada serie de tiempo.