@misc{10902/10331,
year = {2016},
month = {6},
url = {http://hdl.handle.net/10902/10331},
abstract = {RESUMEN: Los constantes avances producidos en el campo de la econometría han llevado al desarrollo de métodos adaptativos que permiten modelar la volatilidad de los distintos activos que integran los mercados financieros. Gran parte de los métodos existentes a día de hoy parten de la metodología Box-Jenkins, cuyos autores desarrollan una serie de técnicas aplicadas a la familia de los modelos ARIMA.
Es a partir de esta metodología Box-Jenkins, de donde surgen los modelos ARCH de Engle. Dichos modelos hacen su aparición en los años 80, y desde entonces sus variantes y aplicaciones han crecido de manera exponencial. A pesar de sus virtudes, la estimación en algunos casos resulta difícil y es así, bajo la búsqueda de parsimonia, como surgen los modelos GARCH.
Los GARCH son una de las familias de modelos más utilizadas para analizar la volatilidad de las distintas series temporales financieras. Esta familia fue desarrollada inicialmente por Engle y llevada más tarde a un enfoque más práctico por Tim Bollerslev. Su principal ventaja es que consiguen resultados parecidos a los de los modelos ARCH pero con ganancias en términos de parsimonia y robustez.
Sin embargo, no todo son ventajas en estos procesos GARCH. Dichos procesos sufren algunas deficiencias que surgen a la hora de ser implementados. La desventaja principal de estos modelos GARCH, es su ineficiencia a la hora de identificar las asimetrías existentes en las series temporales financieras, provocadas por los desequilibrios entre las reacciones de los activos ante buenas y malas noticias.
Como solución al problema de modelización expuesto para los GARCH, varios autores, como Zakoian o Nelson, proponen una serie de variantes del GARCH original como los modelos TGARCH o EGARCH, las cuales proporcionan distintas soluciones a dicho problema.
En la sección final del trabajo, con el objetivo de ilustrar el marco teórico expuesto inicialmente, se llevará a cabo el análisis de una serie temporal financiera. Dicha serie no es otra que la de uno de los índices bursátiles europeos de referencia, el FTSE 100 británico. A partir de dicho análisis, se tratará de extraer algunas conclusiones tanto acerca de la serie temporal como de la metodología.},
abstract = {ABSTRACT: The constant breakthroughs in the econometrics field had led to the development of multiple adaptive methods in order to model the volatility of the assets that conform financial markets. Most of these methods have been developed under the Box-Jenkins approach, whose authors developed a set of techniques applied to ARIMA’s family models that nowadays is still in use.
This Box-Jenkins methodology is the origin Engle’s ARCH model. The author introduced this family in the early 80’s, since then, the variety of versions as well as the range of applications have grown exponentially. Despite its advantages, the empirical application of ARCH turns out to be difficult, throwing sometimes poor results. It’s then, looking for parsimony and better results, when GARCH models appeared.
GARCH family is one of the most common families of models when it comes to model asset returns’ volatility. This family was initially developed by Robert Engle, but it was Tim Bollerslev who gave a more practical approach to these processes. The main advantage of these models is that they provide similar results to long those given by ARCH models, but with some gains in terms of parsimony and robustness.
However, GARCH has its own limitations. These processes have some problems that arise when they are implemented. The main disadvantage of these GARCH models is its inefficiency when trying to model the existing asymmetries in financial time series, caused by imbalances between assets’ reactions to good and bad news.
As a solution to the problem of modelling exposed for GARCH, several authors, such as Zakoian or Nelson, propose some versions from the original GARCH, as TGARCH or EGARCH models, providing different solutions to the problem.
In the final section of the essay, with the aim of illustrating the theoretical framework exposed initially, an analysis of a financial time series will be carried out. This series is none other than one of the European benchmark index, Britain's FTSE 100. From this analysis we will try to draw some conclusions about both the time series and the methodology.},
title = {Análisis de series temporales financieras},
author = {Abascal Negueruela, Mario},
}