Metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (S&P/BVL)

La presente investigación tiene el objetivo de analizar y evaluar la metodología Bootstrap en modelos heterocedásticos aplicados en la predicción del Índice de la Bolsa de Valores de Lima (S&P/BVL), periodo 2017 – 2019. Las predicciones se obtuvieron mediante la metodología paramétrica y la...

Descripción completa

Detalles Bibliográficos
Autor principal:	Orosco Gavilán, Juan Carlos
Formato:	Online
Idioma:	spa
Publicado:	Universidad de Costa Rica 2021
Acceso en línea:	https://revistas.ucr.ac.cr/index.php/cienciaytecnologia/article/view/45619

id	CIETEC45619
record_format	ojs
spelling	CIETEC456192021-01-30T02:03:16Z Metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (S&P/BVL) Orosco Gavilán, Juan Carlos Bootstrap methodology is evaluated in heteroscedastic models applied in the prediction of the Lima Stock Exchange Index (S & P / BVL), period 2017 - 2019. Predictions were obtained using the parametric methodology from the algorithm of heteroscedastic GARCH processes with Bootstrap proposed by Pascual (2006) being this generalized for other types of heteroscedastic models and were compared with real values. The performance of both methodologies was evaluated. The models that best fit the series are the ARMA (1,1)-EGARCH (1,1) models with assumptions of the residuals with Normal and t-Student distributions with 5 degrees of freedom. The comparative study showed that the application of the Bootstrap methodology in the series of returns of the Lima Stock Exchange Index, allows prediction intervals with greater and equal amplitudes in some horizons compared to the parametric methodology. The construction of prediction intervals for volatilities were also obtained with good performance, thus, this is an alternative for their construction in heteroscedastic models. La presente investigación tiene el objetivo de analizar y evaluar la metodología Bootstrap en modelos heterocedásticos aplicados en la predicción del Índice de la Bolsa de Valores de Lima (S&P/BVL), periodo 2017 – 2019. Las predicciones se obtuvieron mediante la metodología paramétrica y la metodología Bootstrap, y fueron comparados con valores reales, partir del algoritmo de procesos heterocedásticos GARCH con Bootstrap propuesto por Pascual (2006), siendo éste generalizado para otros tipos de modelos heterocedásticos. Los desempeños de ambas metodologías fueron evaluados. Del estudio se obtuvo que los modelos que mejor ajustan a la serie son los modelos ARMA(1,1)- EGARCH(1,1) con supuestos de los residuales con distribuciones Normal y t-Student con 5 grados de libertad. El estudio comparativo mostró que la aplicación de la metodología Bootstrap en la serie de los retornos del Índice de la Bolsa de Valores de Lima, permite obtener intervalos de predicciones con mayores e iguales amplitudes en algunos horizontes en comparación con la metodología paramétrica. También se construyeron los intervalos de predicción para las volatilidades, siendo ésta una alternativa para su construcción en modelos heterocedásticos. Universidad de Costa Rica 2021-01-29 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Article application/pdf https://revistas.ucr.ac.cr/index.php/cienciaytecnologia/article/view/45619 Revista de Ciencia y Tecnología; Vol. 37 No. 1 (2021); 30-36 Revista de Ciencia y Tecnología; Vol. 37 Núm. 1 (2021); 30-36 2215-5708 0378-052X spa https://revistas.ucr.ac.cr/index.php/cienciaytecnologia/article/view/45619/45689
institution	Universidad de Costa Rica
collection	Revista de Ciencia y Tecnología
language	spa
format	Online
author	Orosco Gavilán, Juan Carlos
spellingShingle	Orosco Gavilán, Juan Carlos Metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (S&P/BVL)
author_facet	Orosco Gavilán, Juan Carlos
author_sort	Orosco Gavilán, Juan Carlos
description	La presente investigación tiene el objetivo de analizar y evaluar la metodología Bootstrap en modelos heterocedásticos aplicados en la predicción del Índice de la Bolsa de Valores de Lima (S&P/BVL), periodo 2017 – 2019. Las predicciones se obtuvieron mediante la metodología paramétrica y la metodología Bootstrap, y fueron comparados con valores reales, partir del algoritmo de procesos heterocedásticos GARCH con Bootstrap propuesto por Pascual (2006), siendo éste generalizado para otros tipos de modelos heterocedásticos. Los desempeños de ambas metodologías fueron evaluados. Del estudio se obtuvo que los modelos que mejor ajustan a la serie son los modelos ARMA(1,1)- EGARCH(1,1) con supuestos de los residuales con distribuciones Normal y t-Student con 5 grados de libertad. El estudio comparativo mostró que la aplicación de la metodología Bootstrap en la serie de los retornos del Índice de la Bolsa de Valores de Lima, permite obtener intervalos de predicciones con mayores e iguales amplitudes en algunos horizontes en comparación con la metodología paramétrica. También se construyeron los intervalos de predicción para las volatilidades, siendo ésta una alternativa para su construcción en modelos heterocedásticos.
title	Metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (S&P/BVL)
title_short	Metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (S&P/BVL)
title_full	Metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (S&P/BVL)
title_fullStr	Metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (S&P/BVL)
title_full_unstemmed	Metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (S&P/BVL)
title_sort	metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (s&p/bvl)
publisher	Universidad de Costa Rica
publishDate	2021
url	https://revistas.ucr.ac.cr/index.php/cienciaytecnologia/article/view/45619
work_keys_str_mv	AT oroscogavilanjuancarlos metodologiabootstrapenlapredicciondelindicedelabolsadevaloresdelimaperuspbvl
_version_	1810115460874633216

Metodología bootstrap en la predicción del índice de la bolsa de valores de lima, perú (S&P/BVL)

Ejemplares similares