ESTIMACIÓN DE LA VOLATILIDAD DE LOS FONDOS DE INVERSIÓN ABIERTOS EN BOLIVIA
Keywords:
Volatilidad, Fondos de Inversión, GARCH, GJR, EGARCH, GARCH-M, RiesgoAbstract
En el presente documento se desarrollan conceptos y aplicaciones relacionadas con modelos de econometría financiera, el objetivo principal fue la determinación del nivel de volatilidad de los rendimientos reportados por los Fondos de Inversión Abiertos en Bolivia. Mediante la aplicación de los modelos GARCH, MMEP y de Volatilidad Estocástica, se pudo determinar la volatilidad condicional e incondicional. Por otro lado, mediante el uso de los modelos GJR y EGARCH se evaluó la presencia de asimetría en la volatilidad de los rendimientos, finalmente se realizó la estimación del modelo GARCH-M para establecer el nivel de rentabilidad ajustada al riesgo. Los resultados obtenidos mediante el análisis de 28 series de tiempo en un periodo de 5 años, permitieron establecer una línea base para medir el nivel de riesgo existente en la rentabilidad alcanzada por los Fondos de Inversión Abiertos.Downloads
References
C, Francq, J. M. Zakoian, GARCH Models, Structure, Statistical inference and Financial Applications, United kingdom, Wiley, 2010.
R. F. Engle, “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation”, Econometrica, Vol. 50. Issue 4, pp. 987-1008, 1982.
T. G. Andersen, T Bollerslev and F.X. Diebold, Parametric and Nonparametric Volatility Measurement, Handbook of Financial Econometrics, United States of Marica, North-Holland, 2010.
J. C. Hull, Estimating volatilities and correlations, Options Futures and other Derivatives, United States of America, Pearson Prentice Hall, 2009.
T. Terasvirta, An Introduction to Univariate GARCH Models, Handbook of Financial Time Series, German, Springer, 2009.
T. Bollerslev, R. Y. Chou, K. F. Kroner, “ARCH modeling in finance, A review of the theory and empirical evidence”, Journal of Econometrics, Vol. 52, pp. 5-59, 1992.
Taylor, S.J. “Modelling Financial Time Series”, Chichester: John Wiley & Sons, 1986.
Nelson D.B. and Cao C.Q., “Inequality Constraints in the Univariate GARCH Model”, Journal of Business and Economic Statistics, Vol. 10, pp. 229-235, 1992.
C. Brooks, Modelling volatility and correlation, Introductory Econometrics for Finance, Cambrindge, United Kingdom, 2008.
Lawrence R. Glosten, Ravi Jagannathan, David E. Runkle “On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks” The Journal of Finance, Vol. 48, No. 5, pp. 1779-1801, 1993.
Daniel B. Nelson , “Conditional Heteroskedasticity in Asset Returns: A New Approach” Econometrica, Vol. 59, No. 2, pp. 347-370, 1991.
Robert F. Engle, David M. Lilien, Russell P. Robins, “Estimating Time Varying Risk Premia in the Term Structure, The Arch-M Model”, Econometrica, Vol. 55. Issue 2, pp. 391-407, 1987.
T. Bollerslev, “Generalized Autoregressive Conditional Heteroskedasticity”, Journal of Econometrics, Vol. 31, pp. 307-327, 1986.
K. R. French, G. W. Schwert, R. F. Stambaugh, “Expected Stock Returns and Volatility”, Journal of Financial Economics, Vol. 19, pp. 3-29, 1987.
W. Schwert, “Stock Market Volatility”, Financial Analyst Journal, pp. 23-34, 1990.
Shannon P. Pratt, Roger J. Grabowski. Cost of capital. Cost of Capital: Workbook and Technical Supplement (2010-2011). California: Wiley; 4 edition. 2010.
Published
How to Cite
Issue
Section
License
Creative Commons Attribution-Noncommercial-Share Alike
CC BY-NC-SA
This license lets others remix, tweak, and build upon your work for non-commercial purposes, as long as they credit the author(s) and license their new creations under the identical terms.
The authors can enter additional separate contract agreements for non-exclusive distribution of the version of the article published in the magazine (for instance, they may publish it in an institutional repository or a book), subject to an acknowledgement of its initial publication in this magazine.