| Abstract | dc.description.abstract | En el presente informe se da cuenta del proceso de diseño e implementación de una metodología para la predicción de niveles de volatilidad de retornos financieros basada en modelos de volatilidad estocástica, sensibles al riesgo, y con entrada exógena. Dicha metodología se basa en modelos generalizados de heterocedasticidad condicional autoregresiva (GARCH por sus siglas en inglés), los que consideran que los retornos de activos financieros pueden ser explicados por información pasada, complementada con un proceso de innovación. En particular se utilizará el denominado modelo \emph{unobserved} GARCH (uGARCH), el que considera que es un proceso de innovación no observado que maneja la evolución de volatilidad en función del tiempo, implementado mediante un enfoque de filtrado Bayesiano sensible al riesgo que logra identificar periodos de alta volatilidad y relacionar dichos periodos con fenómenos que se observan posteriormente en indicadores de otros husos horarios.
Para validar el modelo propuesto con datos reales se buscan indicadores de mercados que sean de relación cercana, pero que contengan una diferencia horaria significativa; como es el caso de los mercados asiático y latinoamericano, ya que tienen la mayor diferencia horaria posible y los principales países componentes mantienen una estrecha relación comercial. En efecto entre otras características, China es el mayor socio comercial para la venta de hierro Brasileño, por lo que información fundamental de sus variables macroeconómicas impactan en la valoración de ambos mercados. Finalmente el resultado de la implementación indica que para periodos de aumento de volatilidad en mercados emergentes latinoamericanos (representados con el índice MSCI LA), la predicción con filtro de partículas sensible al riesgo con entrada exógena dependiente del índice asiatico (MSCI ASIAXJ), es superior a la predicción del filtro de partículas clásico bajo los valores calculados de los indicadores propuestos, que además se evidencia gráficamente. En efecto, el valor del índice de predicción calculado en la muestra completa, es 50\% más favorable para el método propuesto, que el filtro de partículas clásico, diferencia que se hace aún más significativa cuando el efecto de la entrada exógena es relevante, llegando a ser 16 veces superior en ese caso. | es_CL |
