Un modelo multivariante GARCH asimétrico de mixturas Gaussianas

• Autores: María Concepción Ausín Olivera , Pedro Galeano
• Localización: XXXI Congreso Nacional de Estadística e Investigación Operativa ; V Jornadas de Estadística Pública: Murcia, 10-13 de febrero de 2009 : Libro de Actas, 2009, ISBN 978-84-691-8159-1
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • Este trabajo propone un modelo autorregresivo multivariante de heterocedasticidad condicional con correlaciones dinamicas. Se asume que las volatilidades condicionales siguen modelos EGARCH, que permiten la presencia de asimetrias y que el vector de innovaciones estandarizadas sigue una distribucion de mixturas Gaussianas multivariante con un numero desconocido de componentes. Inferencia sobre los parametros del modelo y prediccion de futuras volatilidades se lleva a cabo mediante maxima verosimilitud y metodos Bayesianos. En particular, el procedimiento Bayesiano proporciona intervalos predictivos que tienen en cuenta la incertidumbre debida a la estimacion de los parametros.

    Tambien se estudian los problemas de estimacion del valor en riesgo (VaR) de una cartera y la seleccion de carteras optimas. El buen funcionamiento de la metodologa propuesta se ilustra mediante algunos experimentos de Monte Carlo y el analisis de los precios de cierre diarios de los ndices Dow Jones y Nasdaq.