Los clásicos modelos financieros suponen normalidad en la distribución de probabilidad
empleada para la valuación de activos. La afirmación precedente implica asumir un
comportamiento homocedástico y leptocúrtico para las serie de rendimientos de un
activo. En la práctica, las series de retornos presentan particularidades o características
tales como i) volatilidad agrupada, ii) muy poca o ausencia de autocorrelación en los
retornos iii) dependencia entre los cuadrados de los retornos, iv) distribuciones de
retornos con colas pesadas, entre otras. Estas características se presentan, por ejemplo,
cuando el proceso generador de datos tiene distribuciones condicionales que cambian en
el tiempo, en particular en la volatilidad.
Al considerar la volatilidad como un proceso estocástico se busca ajustar un modelo que
permita describir y analizar su comportamiento presente y a partir de éste su
comportamiento futuro. Dentro de estas alternativas para recoger estas características de
las series temporales se han planteado en la literatura los modelos no lineales de la
familia ARCH, modelos que permiten especificar el comportamiento de la varianza.
En este contexto el objetivo general de las tesis consiste en estudiar y modelar el
comportamiento de la serie de rendimientos de activos en países emergentes con el
objeto de estimar la volatilidad para mercados emergentes. La importancia de esta
medida reside en el hecho de que posteriormente podrá ser empleada, entre otras cosas,
para encontrar aquellas instituciones que generan mayores spillover effects para el
sistema financiero cuando se considera un ambiente financiero adverso, buscando
limitar los riesgos sistémicos y los costos de las crisis financieras, así como también
fortalecer al sistema financiero contra shocks externos. / Classical financial models assume the normality of the probability distribution used in
the valuation of assets. This implies that series of asset returns are expected to be
homoscedastic and leptokurtic. In fact, real-world series of return show the following
features: i) volatility clustering, ii) little or no autocorrelation, iii) dependence among
squared values and iv) heavy tails, among others. These are properties that arise when,
for instance, the conditional distribution of the data generation process changes in time,
particularly its volatility.
When volatility is seen as a stochastic process itself, a model able to describe and
predict present and future values can be fitted. Among the many alternative ways in
which this has been done in the literature, we can distinguish the nonlinear models of
the ARCH family specifying the behavior of the variance of the series.
Following that lead, we study and model herein the behavior of asset returns in
emerging countries in order to estimate the volatility of their markets. The importance
of this estimation lies in that it can be used, among other things, to detect the institutions
that generate larger spillover effects in a financial system, particularly in an adverse
context, in which a limitation of systemic risks and the costs of financial crises are
sought, and the financial system is strengthened against external shocks.
| Identifer | oai:union.ndltd.org:uns.edu.ar/oai:repositorio.bc.uns.edu.ar:123456789/3611 |
| Date | 28 February 2014 |
| Creators | Villarreal, Fernanda Soledad |
| Contributors | Tohmé, Fernando, Milanesi, Gastón S. |
| Publisher | Universidad Nacional del Sur |
| Source Sets | Universidad Nacional del Sur |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0029 seconds