Revista de Economía del Caribe, NO. 19: ENE-JUN 2017

Tamaño de la letra:  Pequeña  Mediana  Grande

Ajuste de modelos GARCH Clásico y Bayesiano con innovaciones t-Student para el índice COLCAP

Oscar Andrés Espinosa Acuña

Resumen


En este artículo se ajustan dos modelos de Heterocedasticidad Condicional Generalizados (GARCH) para el índice financiero COLCAP. El primero, desde una perspectiva Clásica (o Frecuentista) estimando los parámetros mediante Máxima Verosimilitud y el segundo, a partir de un enfoque Bayesiano haciendo uso del algoritmo de Metropolis-Hastings. Para ambos casos se asumen las innovaciones con distribución t-Student. A partir de diferentes criterios de información, se observa una mejor representación desde la aproximación Bayesiana, sin llegar a ser tan contundente sobre el análisis Clásico.


Palabras Clave / Keywords

Modelos de Heterocedasticidad Condicional, Algoritmo de Metropolis-Hastings, Índice COLCAP / Conditional Heteroskedasticity Models, Metropolis-Hastings Algorithm, COLCAP Index

Tipo de Artículo

Artículo de investigación científica y tecnológica

Texto completo: PDF

Refbacks

  • No hay Refbacks actualmente.


Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 License.