Академический Документы
Профессиональный Документы
Культура Документы
Es fcil imaginarse casos en los cuales usted podra querer pronosticar la varianza
condicional de una serie. Como un titular de activo, usted estara interesado en la
previsin de la tasa de rendimiento una su varianza durante el perodo de
propiedad. La varianza incondicional sera sin importancia si usted planifica
comprar el activo en la t y venderse en t+1
= 0 + 1 1 +
( |1 ) = 1 [( 0 1 1 )2 ]
= 1 2
Estndar Box-Jenkins mtodos de asumir esta variacin es igual a la varianza
incondicional 2 . En su lugar, supongamos que la varianza condicional no es
constante. Una estrategia simple para modelar la varianza condicional sera
estimar un AR (q) utilizando los cuadrados de los residuos estimados:
21 + 2
2 = 0 + 1 22 + +
2+ + (3.1)
2+1 = 0 + 1
21 + +
2 + 2 2+1
Por esta razn, una ecuacin como (3.1) se llama una heterocedasticidad
condicional autorregresivo (ARCH) modelo. Hay muchas posibles aplicaciones de
los modelos ARCH ya que los residuos en (3.1) puede provenir de una
autorregresin, un modelo ARMA, o un modelo de regresin estndar.
= 0 + 1 21 (3.2)
Donde vt = blanco-ruido del proceso de tal manera que 2v=1 vt y t-1 son
independientes el uno del otro, y 0 y 1 son constantes de tal manera que 0 >0 y
0<1 <1.
Puesto que vt es ruido blanco y es independiente de t-1, es fcil demostrar que los
elementos de la secuencia {t}, tiene una media de cero y no son correlacionados.
Desde2v = 1 y la varianza incondicional de t es idntica a la de
E 2t=0/(1-1)
Et-1yt = o+ 1yt-1
Var(yt,yt-1,yt-2,)=Et-1(yt- 0 - 1yt-1)2
= Et-1 2t
= o+ 1(t-1)2
0 1
( ) = [ ][ ]
1 1 1 12
En (3,4), todos los choques de t-1 a t-q tienen un efecto directo en el t, de modo
que los actos de la varianza condicional como un proceso autorregresivo de orden
q.
= 0 + =1 2 + =1 (3.5)
= = 0
1 2 = 0 + =1 2 + =1 1 (3.6)
La ecuacin (3.6) se parece mucho a un ARMA (q, p) proceso en la secuencia
{2 }. Si hay heterocedasticidad condicional, el correlograma debe ser sugerente
de tal proceso. La tcnica para construir el correlograma de los residuos al
cuadrado es como sigue:
=+1( 21 2 )
2 2 )(
() =
=1(
2 2 )2
= ( + 2) ()/( )
=1
21 + 2
2 = 0 + 1
22 + +
2
El modelo ARCH-M
Engle, Lilien y Robins (1987) extienden el marco bsico ARCH para permitir que la
media de una secuencia que dependen de su propia varianza condicional. Esta
clase de modelo, llamado ARCH-M, es especialmente adecuado para el estudio
de los mercados de activos. la bsica idea es que agentes adversos al riesgo
exigir una indemnizacin para la celebracin de un activo riesgoso. Teniendo en
cuenta que grado de riesgo de un activo puede ser medido por la varianza de la
rentabilidad, la prima de riesgo ser una funcin creciente de la varianza
condicional de los retornos. Engle, Lilien y Robin expresar esta idea por escrito la
devolucin en exceso de la celebracin de un activo de riesgo como:
= + (3.7)
1 =
Engle, Liliane y Robins suponer que la prima de riesgo es una funcin creciente de
la varianza condicional de , es decir, cuanto mayor sea la varianza de los
retornos consitional, mayor ser la compensacin necesaria para inducir al agente
a mantener el activo a largo plazo. Matemticamente, si es la varianza
condicional de puede ser la prima de riesgo expresado como:
= + >0
Como un conjunto, las ecuaciones (3.7), (3,8) y (3,9) constituyen la base ARCH-M
del modelo. A partir de (3.7) y (3,8), la media condicional de depende de la
varianza condicional . A partir de (3.9), la varianza condicional es un ARCH(q).
Cabe sealar que si la varianza condicional es constante
(. . , 1 = 2 = = = 0), el modelo ARCH-M degenera en el caso ms
tradicional de una prima de riesgo constante.
La Figura 3.2 ilustra dos diferentes procesos ARCH-M. El panel superior izquierdo
de la figura (con la etiqueta "proceso de ruido blanco"), muestra de 60
realizaciones de una simulacin de ruido blanco el proceso indicado por . Tenga
en cuenta el aumento temporal de la volatilidad en periodos de 20 a 30. Despus
de establecer 0 = 0, la varianza condicional se construye como el proceso de
primer orden ARCH: = 1 + 0.65 21
= 2 1
= 0.142 + (3.10)
(4.04)
= 0.0241 + 0.687 +
(1.29) (5.15)
(1.08) (6.30)
Bibliografa