Estimación y predicción en modelos GARCH con parámetros suavemente variables en el tiempo: Un enfoque no paramétrico.

Abstract

Proponemos un enfoque espacio-estado para un modelo tv-GARCH no paramétrico. A través de diversas técnicas no paramétricas estimamos las curvas de coeficientes con cambios suaves a los largo del tiempo y empleamos un sistema recursivo basado en el Filtro de Kalman para efectuar y evaluar las predicciones. Empíricamente, desarrollamos ejercicios de simulación de Monte Carlo y evaluamos el modelo con datos efectivos del mercado accionario chileno a través del Indice de Precios Selectivo de Acciones (IPSA). Nuestros hallazgos demuestran que el modelo tv-GARCH no param´etrico proporciona predicciones más precisas que un modelo GARCH estacionario. Estos resultados tienen implicancias relevantes para la gestión de riesgos y las estrategias de diversificación de los portafolios.

We propose a state-space approach for a non-parametric tv-GARCH model. Through various non parametric techniques we estimate the coefficient curves with smooth changes over time and we use a recursive system based on the Kalman Filter to make and evaluate the predictions. Empirically, we developed Monte Carlo simulation exercises and evaluated the model with actual data from the Chilean stock market through the Selective Stock Price Index (IPSA). Our findings demonstrate that the non-parametric tv-GARCH model provides more accurate predictions than a stationary GARCH model. These results have relevant implications for risk management and portfolio diversification strategies.