Show simple item record

A revision of stochastic volatility models

dc.contributor.authorTamayo Medina, Ronnespa
dc.contributor.authorRodríguez Pinzón, Heivar Yesidspa
dc.date2010-08-28spa
dc.identifierhttps://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32spa
dc.identifier10.15332/s2027-3355.2010.0001.05spa
dc.descriptionEn economía, una buena parte de los procesos observados a través del tiempo se plantean como el resultado de efectos de variables latentes, es decir, procesos no observables de forma directa. Este es el caso de la volatilidad de la rentabilidad en el mercado financiero, la cual ha sido modelada desde comienzos de los años 80 empleando modelos de varianza condicional ARCH y GARCH y, más recientemente modelos de volatilidad estocástica SV, los cuales presentan un menor número de parámetros que los modelos GARCH y permiten estudiar la naturaleza no-lineal de la volatilidad.Debido a que en el modelo SV no se conoce de forma exácta la función de verosimilitud, se emplea el método de estimación máximo cuasi-verosímil propuesto por gh94, el cual utiliza la representación en forma de modelo de estados State-Space. La representacion del modelo SV mediante la forma de estados se evalua a traves de filtros adaptativos, como es el caso de los filtros Kalman, lo cual implica un mayor costo computacional. A partir de lo anterior, no necesariamente se llega a la solución óptima del problema.spa
dc.descriptionIn economics, a good part of the processes observed over time arise as the result of effects of latent variables, ie processes not directly observable. This is the case of the volatility of financial market returns, which has been shaped since the early 80s using ARCH and GARCH conditional variance models, and more recently stochastic volatility models (SV), which present fewer parameters than GARCH models and allow us to study the non-linear nature of volatility. Because in the SV model is not known accurately the likelihood function, the method of maximum quasi-likelihood is used. This method uses the representation in state-space model form. The SV model representation is evaluated through adaptive filters, such as Kalman, which implies a higher computational cost. eng
dc.format.mimetypeapplication/pdfspa
dc.format.mimetypetext/plainspa
dc.languagespaspa
dc.publisherUniversidad Santo Tomásspa
dc.relationhttps://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32/30spa
dc.relationhttps://revistas.usantotomas.edu.co/index.php/estadistica/article/view/32/3674spa
dc.sourceComunicaciones en Estadística; Vol. 3, Núm. 1 (2010); 79-98spa
dc.sourceComunicaciones en Estadística; Vol. 3, Núm. 1 (2010); 79-98eng
dc.source2339-3076spa
dc.source2027-3355spa
dc.subjectFiltro Kalman, modelos de estado-espacio, modelos de volatilidad estocásticaspa
dc.titleUna revisión de los modelos de volatilidad estocásticaspa
dc.titleA revision of stochastic volatility modelseng
dc.typeinfo:eu-repo/semantics/articlespa
dc.typeinfo:eu-repo/semantics/publishedVersionspa


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Indexado por: