Volatilidad sectorial en la Bolsa de Valores de Lima: Estructura Garch, 2015 - 2020
Descripción del Articulo
La tesis “Volatilidad sectorial en la Bolsa de Valores de Lima: Estructura GARCH, 2015-2020” tiene como objetivo determinar la evolución de la volatilidad diaria de cada sector económico que cotiza en la Bolsa de Valores de Lima, en el período 2015-2020. Partiendo de los índices de cotización diaria...
Autor: | |
---|---|
Formato: | tesis doctoral |
Fecha de Publicación: | 2021 |
Institución: | Universidad Nacional de San Agustín |
Repositorio: | UNSA-Institucional |
Lenguaje: | español |
OAI Identifier: | oai:repositorio.unsa.edu.pe:20.500.12773/13206 |
Enlace del recurso: | http://hdl.handle.net/20.500.12773/13206 |
Nivel de acceso: | acceso abierto |
Materia: | GARCH Volatilidad Condicional Bolsa de Valores de Lima Econometría Financiera https://purl.org/pe-repo/ocde/ford#5.02.02 |
Sumario: | La tesis “Volatilidad sectorial en la Bolsa de Valores de Lima: Estructura GARCH, 2015-2020” tiene como objetivo determinar la evolución de la volatilidad diaria de cada sector económico que cotiza en la Bolsa de Valores de Lima, en el período 2015-2020. Partiendo de los índices de cotización diaria de los cinco sectores económicos que cotizan en la Bolsa de Valores de Lima: Sector Consumo, Sector Financiero, Sector Industrial, Sector Minero y Sector de Servicios Públicos, se logra efectuar la transformación de cada una de las series de tiempo financieras, hasta expresarlas en términos de rendimiento continuo diario. Se utiliza el modelo de mercado de Sharpe para la determinación de las betas sectoriales, como ecuación en media. Los residuos de la estimación por Mínimos Cuadrados Ordinarios constituyen el insumo para efectuar el análisis de presencia de efectos ARCH, así como del comportamiento temporal propio de las series de tiempo financieras. Se introduce la ecuación de varianza condicional, la cual acompaña a la ecuación en media desde una perspectiva de la estructura de modelos Autorregresivos con Heteroscedasticidad Condicional Generalizados GARCH, usando estimaciones por Máxima verosimilitud. Se verifican las estructuras GARCH de cada sector: GARCH (1,1) en el sector consumo, GARCH(2,1) en el sector financiero, GARCH(1,1) en el sector industrial, GARCH(2,1) en el sector minero y GARCH(1,1) en el sector de servicios públicos. |
---|
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).