Return to search

Inferencia de la Volatilidad de Retornos Financieros Usando Filtro de Partículas

En este trabajo se presenta y evalúa un modelo de volatilidad estocástica, basado
en el modelo determinístico Generalized Autoregressive Conditional Heteroskedasticity
(GARCH), para describir la relación entre los retornos de un proceso financiero y la
volatilidad de éstos. Este modelo, a diferencia de la estructura GARCH, considera que las
observaciones de los retornos pueden explicarse a través de un proceso de innovación,
cuya distribución a priori se asume idéntica a la que especifica el modelo GARCH
para dichos retornos. La estructura propuesta recibe el nombre de unobserved GARCH
(uGARCH), ya que considera que un proceso de innovación no observado --en lugar de
una secuencia determinística-- es el que dirige la evolución de la volatilidad.
La estructura propuesta uGARCH, entre otros modelos convencionales de volatilidad,
ha sido utilizada para resolver el problema de estimación de estado, en conjunto con
esquemas basados tanto en filtro de partículas (PF), como en el filtro extendido de
Kalman (EKF). Además, con dichos filtros se identificaron adaptativamente los parámetros
del modelo usando el concepto de evolución artificial de parámetros. El PF utilizado
corresponde al muestreo de importancia con remuestro (SIR), mientras que la estructura
basada en EKF considera un banco de filtros. Ambas estructuras estiman conjuntamente
los estados y parámetros del sistema.
Las técnicas presentadas han sido evaluadas cuantitativamente --mediante la
introducción de índices de desempeño-- en simulación y con datos reales. En este último
caso se consideró la volatilidad del índice NASDAQ Composite, la cual se estimó durante
el período Julio 21, 2008 hasta Julio 17, 2009, y se predijo al día Diciembre 15, 2008
considerando horizontes de predicción entre 1 y 45 días. Tanto en simulación como en
la aplicación mencionada, los resultados reportados por el conjunto uGARCH-PF son
auspiciosos en el sentido de que mediante su implementación (i) el filtrado es altamente
exacto y preciso según los índices propuestos, y (ii) las predicciones del intervalo de
confianza son consistentes con el valor real (o mejor aproximación) del proceso.

Identiferoai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/102314
Date January 2010
CreatorsTobar Henríquez, Felipe Arturo
ContributorsOrchard Concha, Marcos, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Eléctrica, Silva Sánchez, Jorge, Fontbona Torres, Joaquín
PublisherUniversidad de Chile
Source SetsUniversidad de Chile
LanguageSpanish
Detected LanguageSpanish
TypeTesis
RightsAttribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/

Page generated in 0.002 seconds