Estimación bayesiana de modelos de volatilidad estocástica
El modelo clásico para el comportamiento del precio de activos riesgosos asume volatilidad constante, lo que, por lo general, no coincide con el comportamiento de activos reales. Como alternativa se plantean modelos de volatilidad estocástica, que presentan una mayor número de parámetros y dificulta...
| Autor: | |
|---|---|
| Formato: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2014 |
| País: | Colombia |
| Recursos: | Universidad Externado de Colombia |
| Repositorio: | Biblioteca Digital Universidad Externado de Colombia |
| Idioma: | español |
| OAI Identifier: | oai:bdigital.uexternado.edu.co:001/7469 |
| Acesso em linha: | https://bdigital.uexternado.edu.co/handle/001/7469 https://revistas.uexternado.edu.co/index.php/odeon/article/view/4017 |
| Access Level: | acceso abierto |
| Palavra-chave: | Volatilidad estocástica estimación bayesiana algoritmos MCMC filtro de Kalman. |
| Resumo: | El modelo clásico para el comportamiento del precio de activos riesgosos asume volatilidad constante, lo que, por lo general, no coincide con el comportamiento de activos reales. Como alternativa se plantean modelos de volatilidad estocástica, que presentan una mayor número de parámetros y dificultad en su estimación. En el documento se describen algunos modelos de volatilidad estocástica en el contexto de modelos espacio estado, y la forma como puede realizarse su estimación aplicando algoritmos MCMC. Se considera el problema de la estimación de la función de verosimilitud en este tipo de modelos, y la forma como el muestreador de Gibbs se utiliza en estos casos. Se realiza la aplicación empírica utilizando series de acciones colombianas y se concluye acerca de los valores estimados en el proceso de volatilidad no observada de dichas series. Se propone la extensión a modelos con ruidos no gaussianos y saltos. |
|---|