In this work, the modeling of the volatility of financial assets is studied using a Bayesian approach. DCC - GARCH models are used, for the errors of these models asymmetric and leptokurtic probability distributions are considered, which are parameterized according to the asymmetry and the weight of the tails, therefore these parameters are also estimated. The estimation of the model parameters was performed using the MCMC methodology Metropolis - Hastings random walk algorithm using the software R package bayesDccGarch, daily data from 04/01/2015 - 01/31/2020 of the stock indices of: Frankfurt are considered (DAX), Tokyo (NIKKEI225), Paris (CAC40), and Lima (BVL). The Bayesian approach to estimating the model parameters facilitates interpretation and provides the ability to insert a priori information for the parameters.

En este trabajo presentamos un método numérico, para resolver dos tipos de problemas inversos de valores propios reales, uno para matrices no negativas RNIEP y otro para matrices no negativas simétricas SNIEP. Primero construimos una matriz 2 X 2 no negativa y también una matriz no negativa simétrica. Para ello discutiremos las condiciones para que dos valores propios sean el espectro de dicha matriz, discusión que reflejamos en dos lemas. Luego construimos una matriz de orden n X 71, para esta construcción usamos el teorema de Nazari y Sherafat, y otros resultados, en cada paso buscamos matrices con los valores propios deseados y una estructura deseada, y luego los combinamos para resolver los RNIEP o SNIEP, esta construcción lo presentamos en nuestro método numérico y luego damos algunos ejemplos numéricos. Posteriormente se discutiré como la construcción 2 X 2 puede ser a...

El estudio de la variabilidad de un activo se ha convertido en las últimas décadas en un concepto muy importante en el área financiera. Se han propuesto varios modelos en la literatura para evaluar este fenómeno. En este trabajo, se estudia la modelación de la volatilidad de activos financieros, mediante un enfoque bayesiano. Para la modelación se utilizó modelos de heterocedasticidad condicional autorregresiva generalizada y su principal generalización multivariada, los modelos con correlación condicional dinámica DCC - GARCH. Para los errores de estos modelos se consideraron distribuciones de probabilidad posiblemente asimétricas y leptocúrticas, las cuales se parametrizan en función de la asimetría y el peso de las colas, por lo que se estiman también estos parámetros adicionales a los modelos. La estimación de los parámetros del modelo heterocedástico se realizó m...