Uso de modelos de volatilidad estocástica para valoración de riesgo cambiario.

• Autores: José Fernando Zea Castro
• Localización: Comunicaciones en Estadística, ISSN 2027-3355, ISSN-e 2339-3076, Vol. 5, Nº. 1, 2012, págs. 55-80
• Idioma: español
• DOI: 10.15332/s2027-3355.2012.0001.03
• Títulos paralelos:
  • Use of stochastic volatility models for exchange rate risk v aluation.
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En la literatura técnica y en las aplicaciones de finanzas es muy importante cuantificar el riesgo de mercado. En el caso de tasas de cambio que usa n series de tiempo diarias es común el uso de la estrategia de RiskMetrics T M junto con los modelos GARCH. Varios autores en diferentes contextos han destacado las falencias del uso de modelos GARCH. Este trabajo aborda el cálculo de Valor en Riesgo con el uso de modelos de volatilidad estocástica (SV). Luego de mencionar las ventajas y desventajas que ofrecen estos modelos frente a los GARCH, presenta los resultados de evaluar el riesgo de un portafolio que contiene tasas de cambio diarias de Peso/D ́olar, Euro/D ́olar, Yen/D ́olar y Libra/D ́olar. El ejercicio muestra resultados que favorecen el uso de modelos de SV.

  • English

    Market risk valuation is very important not only for financia l theoreticians but for the applied job. When using daily time series on exchange rates, the use of RiskMetrics T M strategy, in conjunction with GARCH models, is common place. Many authors, in several contexts, have pointed out the inconvenience in using GARCH models. In this paper the use of Stochastic Volatility (SV) models in risk valuation is considered. We describe the main advantages and disadvantages of SV models against GARCH models. We present results of market risk valuation using SV for a portfolio that contains daily returns of Euro/Dollar, Yen/Dollar, UK$/Dollar and exchange rates. Our results suggest that the SV model produce more reliable estimations.

• Referencias bibliográficas
  • Breidt, F., Crato, G. & de Lima, P. (1998), ‘On the detection and Estimation of Long Memory in Stochastic Volatility’, Journal of Econometrics,...
  • Carnero, M. A., Peña, D. & Ruiz, E. (2004), ‘Persistence and Kurtosis in GARCH and Stochastic Volatility Models’, Journal of Financial...
  • De Lara, A. (2002), Medición y control de riesgos Financieros, Ed. Limusa S. A., México D.F.
  • Grane, A. & Veiga, H. (2007), ‘Volatility Modelling and Accurate Minimum Capital Risk Requirements.Technical Report 07-47.’, Departamento...
  • Hamilton, J. D. (1989), ‘A new approach to the economic analysis of nonstationary time series and the business cycle’, Econometrica. 57, 357–384.
  • Harvey, A., Ruiz, E. & Shephard, N. (1994), ‘Multivariate Stochastic Variance Models’, Review of Economic Studies, 65, 361–393.
  • Jacquier, E., Polson, N. G. & Rossi, P. E. (1999), Stochastic Volatility: Univariate and Multivariate Extensions, Technical Report September,...
  • Jorion, P. (2000), Valor en Riesgo, Limusa, M´exico.
  • Kim, S., Shephard, N. & Chib, S. (1998), ‘Stochastic Volatility: Likelihood In- ference and Comparison with ARCH Models’, Review of Economic...
  • McCulloch, R. E. & Tsay, R. S. (1993), ‘Robust Test for the Equality of Variantes’,
  • Journal of the American Statistical Association, 88, 968–978.
  • Peña, D. & Guttman, I. (1988), A Bayesian approach to robustifying the Kalman filter. In Bayesian Analysis of Time Series and Dynamic...
  • R Development Core Team (2007), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria....
  • Shumway, R. & Stoffer, D. (2006), Time Series Analysis and Its Applications with R Examples, 2 edn, Springer, New York.
  • Trapletti, A. & Hornik, K. (2007), tseries: Time Series Analysis and Computatio- nal Finance. R package version 0.10-11. *http://CRAN.R-project.org/
  • Tsay, R. (2002), Analysis of Financial Time Series, Wiley, New York.
  • Zea, J. & Rodríguez, N. (2007), XVII Simposio colombiano de estadística, en la evaluación de riesgos, Cali