Selecting between autoregressive conditional heteroskedasticity models: an empirical application to the volatility of stock returns in Peru

• Gabriel Rodriguez ^[1]
  1. [1] Pontificia Universidad Católica del Perú

     Pontificia Universidad Católica del Perú

     Perú

     
• Localización: Revista de análisis económico, ISSN-e 0718-8870, ISSN 0716-5927, Vol. 32, Nº 1 (Abril 2017), 2017, págs. 69-94
• Idioma: inglés
• Títulos paralelos:
  • Seleccion de modelos de heterocedasticidad autorregresiva condicional: una aplicacion a la volatilidad de los retornos bursatiles en Peru
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Una extensiva familia de modelos univariados de heterocedasticidad autorregresiva condicional es aplicada a los retornos bursátiles diarios del Perú para el periodo del 3 de enero 1992 hasta el 30 de marzo del 2012 utilizando cuatro diferentes especificaciones para la distribución del término de perturbación. Con ello se trata de capturar asimetrías en el comportamiento de la volatilidad así como el tratamiento de colas pesadas en las series de tiempo. Utilizando diferentes estadísticos y criterios, los resultados muestran lo siguiente: (i) el modelo FIGARCH (1,1)-t es el mejor modelo entre todos los modelos simétricos mientras que el modelo FIEGARCH (1,1)-Sk es seleccionado entre la clase de modelos asimétricos. Asimismo, el modelo FIAPARCH (1,1)-t es seleccionado entre la clase de modelos de potencia asimétrica; (ii) los tres modelos capturan bien el comportamiento de la volatilidad condicional; (iii) sin embargo, la distribución empírica de los residuos estandarizados muestran que el comportamiento de las colas no es bien capturado por ninguno de los modelos; (iv) los tres modelos sugieren la presencia de larga memoria con estimados del parámetro fraccional cercanos a la región de no estacionariedad.

  • English

    An extensive family of univariate models of autoregressive conditional heteroskedasticity is applied to Peru’s daily stock market returns for the period January 3, 1992 to March 30, 2012 with four different specifications related to the distribution of the disturbance term. This concerns capturing the asymmetries of the behavior of the volatility, as well as the presence of heavy tails in these time series. Using different statistical tests and different criteria, the results show that: (i) the FIGARCH (1,1)-t is the best model among all symmetric models while the FIEGARCH (1,1)-Sk is selected from the class of asymmetrical models. Also, the model FIAPARCH (1,1)-t is selected from the class of asymmetric power models; (ii) the three models capture well the behavior of the conditional volatility; (iii) however, the empirical distribution of the standardized residuals shows that the behavior of the tails is not well captured by either model; (iv) the three models suggest the presence of long memory with estimates of the fractional parameter close to the region of nonstationarity.