| Revista: | Revista de matemáticas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000453581 |
| ISSN: | 1409-2433 |
| Autores: | Trosel, Yeniree1 Hernández, Aracelis2 Infante, Saba2 |
| Instituciones: | 1Universidad de Carabobo, Facultad de Ciencia y Tecnología, Valencia, Carabobo. Venezuela 2Universidad de Investigación de Tecnología Experimental Yachay Tech, Escuela de Ciencias Matemáticas y Computacionales, Yachay, Imbabura. Ecuador |
| Año: | 2019 |
| Periodo: | Ene-Jun |
| Volumen: | 26 |
| Número: | 1 |
| Paginación: | 45-81 |
| País: | Costa Rica |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | El creciente interés en el estudio de la volatilidad para series de instrumentos financieros nos lleva a plantear una metodología basada en la versatilidad de los métodos Monte Carlo Secuencial (MCS) para la estimación de los estados del modelo de volatilidad estocástica general (MVEG). En este trabajo se propone una metodología basada en la estructura espacio estado aplicando técnicas de filtrado como es el caso del filtro auxiliar de partículas para la estimación de la volatilidad subyacente del sistema. Adi- cionalmente, se propone utilizar un algoritmo Monte Carlo por cadenas de Markov (MCMC), como es el muestreador de Gibbs para la estimación de los parámetros. La metodología es ilustrada usando una serie de re- tornos de datos simulados, y la serie de retornos correspondiente al índice de precio Standard and Poor’s 500 (S&P 500) para el periodo 1995 2003. Los resultados evidencian que la metodología propuesta permite explicar adecuadamente la dinámica de la volatilidad cuando existe una respuesta asimétrica de esta ante un shock de diferente signo, concluyendo que los cambios bruscos en los retornos corresponden a valores altos en la volati- lidad |
| Resumen en inglés | The growing interest in the study of volatility for series of financial instruments leads us to propose a methodology based on the versatility of the Sequential Monte Carlo (SMC) methods for the estimation of the states of the general stochastic volatility model (GSVM). In this paper, we pro- posed a methodology based on the state space structure applying filtering techniques such as the auxiliary particles filter for estimating the underly- ing volatility of the system. Additionally, we proposed to use a Markov chain Monte Carlo (MCMC ) algorithm, such as is the Gibbs sampler for the estimation of the parameters. The methodology is illustrated through a series of returns of simulated data, and the series of returns correspond- ing to the Standard and Poor’s 500 price index (S&P 500) for the period 1995 2003. The results show that the proposed methodology allows to adequately explain the dynamics of volatility when there is an asymmet- ric response of this to a shock of a different sign, concluding that abrupt changes in returns correspond to high values in volatility |
| Disciplinas: | Matemáticas |
| Palabras clave: | Matemáticas aplicadas, Modelos de volatilidad estocástica, Modelos espacio-estado, Filtro auxiliar de partículas |
| Keyword: | Applied mathematics, Stochastic volatility models, Space-state models, Auxiliary particles filter |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
