Partición de la volatilidad para series de precios bursátiles: una nueva aproximación

Abstract

En este trabajo de tesis se comparan cuatro modelos autorregresivos condicionales heterocedasticos (ARCH), los cuales han sido comúnmente usados en la selección de portafolios y gestión de activos, así como en la valoración de activos primarios y secundarios. Estos modelos se ajustarán a series de precios bursátiles intradiarios y se compararan a través de sus curvas de impacto, su habilidad para predecir la volatilidad en mercados financieros y los efectos de cada uno de estos modelos en el marco de la valoración de opciones. Adicionalmente, se presenta un modelo de difusión, el cual permite particionar la volatilidad en sus componentes cíclicos y provee una mejor descripción de la varianza condicional y su predicción.

Abstract. This thesis compares four autoregressive conditional heteroskedasticity (ARCH) type models, which are used often for portfolio selection and asset management, as well as for the pricing of primary and derivative assets. We estime these models with daily stock return data. The comparison is done through their news impact curves, their ability to predict financial market volatility and the effects of each of these models, in the pricing options framework. Our results suggest a diffusion model, provides a better description of the conditional variance, and its predictions.