Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas

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 trab...

Descripción completa

Detalles Bibliográficos
Autores principales:	Trosel, Yeniree, Hernández, Aracelis, Infante, Saba
Formato:	Online
Idioma:	spa
Publicado:	Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2019
Acceso en línea:	https://revistas.ucr.ac.cr/index.php/matematica/article/view/36221

id	RMTA36221
record_format	ojs
spelling	RMTA362212022-02-01T18:06:35Z Estimation of stochastic volatility models via auxiliary particles filter Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas Trosel, Yeniree Hernández, Aracelis Infante, Saba stochastic volatility models space state models auxiliary particles ﬁlter. modelos de volatilidad estocástica modelos espacio estado ﬁltro auxiliar de partículas 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 proposed a methodology based on the state space structure applying filtering techniques such as the auxiliary particles filter for estimating the underlying 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 corresponding 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 asymmetric response of this to a shock of a different sign, concluding that abruptchanges in returns correspond to high values in volatility. 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. Adicionalmente, 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 retornos 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 volatilidad. Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2019-03-08 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Article application/pdf application/x-dvi application/postscript https://revistas.ucr.ac.cr/index.php/matematica/article/view/36221 10.15517/rmta.v26i1.36221 Revista de Matemática: Teoría y Aplicaciones; Vol. 26 No. 1 (2019): Revista de Matemática: teoría y Aplicaciones; 45-18 Revista de Matemática: Teoría y Aplicaciones; Vol. 26 Núm. 1 (2019): Revista de Matemática: teoría y Aplicaciones; 45-18 Revista de Matemática; Vol. 26 N.º 1 (2019): Revista de Matemática: teoría y Aplicaciones; 45-18 2215-3373 1409-2433 spa https://revistas.ucr.ac.cr/index.php/matematica/article/view/36221/37081 https://revistas.ucr.ac.cr/index.php/matematica/article/view/36221/38294 https://revistas.ucr.ac.cr/index.php/matematica/article/view/36221/38295
institution	Universidad de Costa Rica
collection	Revista de Matemática: Teoría y Aplicaciones
language	spa
format	Online
author	Trosel, Yeniree Hernández, Aracelis Infante, Saba
spellingShingle	Trosel, Yeniree Hernández, Aracelis Infante, Saba Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas
author_facet	Trosel, Yeniree Hernández, Aracelis Infante, Saba
author_sort	Trosel, Yeniree
description	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. Adicionalmente, 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 retornos 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 volatilidad.
title	Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas
title_short	Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas
title_full	Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas
title_fullStr	Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas
title_full_unstemmed	Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas
title_sort	estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas
title_alt	Estimation of stochastic volatility models via auxiliary particles filter
publisher	Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA)
publishDate	2019
url	https://revistas.ucr.ac.cr/index.php/matematica/article/view/36221
work_keys_str_mv	AT troselyeniree estimationofstochasticvolatilitymodelsviaauxiliaryparticlesfilter AT hernandezaracelis estimationofstochasticvolatilitymodelsviaauxiliaryparticlesfilter AT infantesaba estimationofstochasticvolatilitymodelsviaauxiliaryparticlesfilter AT troselyeniree estimaciondemodelosdevolatilidadestocasticaviafiltroauxiliardeparticulas AT hernandezaracelis estimaciondemodelosdevolatilidadestocasticaviafiltroauxiliardeparticulas AT infantesaba estimaciondemodelosdevolatilidadestocasticaviafiltroauxiliardeparticulas
_version_	1811744102979469312

Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas

Ejemplares similares