Modelos para series temporales heterocedásticas

Esther Ruiz ()

DES - Documentos de Trabajo. Estadística y Econometría. DS from Universidad Carlos III de Madrid. Departamento de Estadística

Abstract: Muchas series temporales financieras observadas con frecuencias elevadas y algunas series macroeconómicas son condicionalmente heterocedásticas. La modelización de la varianza condicional de dichas series es importante desde un punto de vista teórico para cualquier modelo que tenga en cuenta la incertidumbre. Además, desde un punto de vista econométrico, si se ignora la heterocedasticidad se puede incurrir en pérdidas de eficiencia en la estimación y en la construcción de intervalos de predicción. En el presente artículo, se revisan los principales modelos univariantes y multivariantes propuestos en la literatura para la modelización de la heterocedasticidad temporal: modelos basados en ARCH y modelos de volatilidad estocástica. Para cada modelo considerado se describen sus principales propiedades estocásticas así como su estimación, validación y predicción. En el caso univariante, los diferentes modelos descritos se ilustran con la modelización del Índice Largo diario de la Bolsa de Madrid.

Keywords: ARCH; Cointegración; en; la; varianza; Heterocedasticidad; Índices; bursátiles; Varianza; condicional; Volatilidad; estocástica (search for similar items in EconPapers)
Date: 1994-02
References: Add references at CitEc
Citations: View citations in EconPapers (1)

Downloads: (external link)
https://e-archivo.uc3m.es/rest/api/core/bitstreams ... 8f0c276e646b/content (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:cte:dsrepe:2944

Access Statistics for this paper

More papers in DES - Documentos de Trabajo. Estadística y Econometría. DS from Universidad Carlos III de Madrid. Departamento de Estadística
Bibliographic data for series maintained by Ana Poveda ().