Por favor, use este identificador para citar o enlazar este ítem: http://cybertesis.uni.edu.pe/handle/uni/6565
Título : Estimación y predicción del riesgo de mercado sobre un portafolio de acciones de empresas peruanas en presencia de errores heterocedásticos y distribuciones de colas pesadas mediante el uso de modelos ARCH
Autor : Villar Córdova-Alvarado, Víctor Andrés
Asesor : Infante Rojas, Magen
Palabras clave : Modelos estadísticos;Riesgos de mercado;Teoría de colas
Fecha de publicación : 2013
Editorial : Universidad Nacional de Ingeniería
Resumen : El riesgo de mercado es un evento inherente a toda actividad de inversión financiera. Diversos modelos estadísticos han sido propuestos en la actualidad para poder estimar y predecir dicho riesgo, entre los que se encuentran los modelos ARCH. El presente trabajo tiene como objetivo general el determinar modelos estadísticos de la familia de los ARCH, dentro del enfoque de Box-Jenkins, para estimar y predecir el riesgo de mercado de un portafolio de acciones en presencia de errores heterocedásticos y distribuciones de colas pesadas, en el contexto de nuestro país. Para ello se plantea la hipótesis de que las generalizaciones del modelo ARCH constituyen mejores modelos al ARCH originalmente propuesto, para la modelización de los retornos del portafolio considerado. Para alcanzar el objetivo planteado, se estimaron los modelos ARCH, GARCH, TGARCH y EGARCH bajo distintos supuestos en la distribución de los errores, con el fin de modelar y predecir el comportamiento de los retornos financieros del portafolio. Se identificó que el modelo EGARCH bajo el supuesto de una distribución t-Student para los errores es superior al resto de modelos al estimar y pronosticar el retorno financiero, y por ende, el riesgo de mercado del portafolio analizado.
URI : http://cybertesis.uni.edu.pe/handle/uni/6565
Derechos: info:eu-repo/semantics/embargoedAccess
Aparece en las colecciones: Ingeniería Estadística

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
villar_cv.pdf1 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons