Estimación bayesiana de modelos de volatilidad estocástica

John Freddy Moreno Trujillo

Resumen


El modelo clásico para el comportamiento del precio de activos riesgosos asume volatilidad constante, lo que, por lo general, no coincide con el comportamiento de activos reales. Como alternativa se plantean modelos de volatilidad estocástica, que presentan una mayor número de parámetros y dificultad en su estimación. En el documento se describen algunos modelos de volatilidad estocástica en el contexto de modelos espacio estado, y la forma como puede realizarse su estimación aplicando algoritmos MCMC. Se considera el problema de la estimación de la función de verosimilitud en este tipo de modelos, y la forma como el muestreador de Gibbs se utiliza en estos casos. Se realiza la aplicación empírica utilizando series de acciones colombianas y se concluye acerca de los valores estimados en el proceso de volatilidad no observada de dichas series. Se propone la extensión a modelos con ruidos no gaussianos y saltos.

 


Palabras clave


Volatilidad estocástica; estimación bayesiana; algoritmos MCMC; filtro de Kalman.

Texto completo:

PDF HTML

Referencias


Esperanza Ardila, Diego Luengas, and John Freddy Moreno Trujillo. Methodology and interpretation of hurts coefficient (metodología en interpretación del coeficiente de hurts). Odeon-Observatorio de Economía y Operaciones Numéricas, (5), 2010.

M Sanjeev Arulampalam, Simon Maskell, Neil Gordon, and Tim Clapp. A tutorial on particle filters for online nonlinear/non-gaussian bayesian tracking. Signal Processing, IEEE Transactions on, 50(2):174- 188, 2002.

Manabu Asai. Bayesian analysis of stochastic volatility models with mixture-of-normaldistributions. Mathematics and Computers in Simulation, 79(8):2579-2596, 2009.

David S Bates. Jumps and stochastic volatility: Exchange rate processes implicit in deutsche mark options. Review of financial studies, 9(1):69-107, 1996.

Fischer Black and Myron Scholes. The pricing of options and corporate liabilities. The journal of political economy, pages 637-654, 1973.

Bradley P Carlin, Nicholas G Polson, and David S Stoffer. A monte carlo approach to nonnormal and nonlinear state-space modeling. Journal of the American Statistical Association, 87(418):493-500, 1992.

Siddhartha Chib, Federico Nardari, and Neil Shephard. Markov chain monte carlo methodsfor stochastic volatility models. Journal of Econometrics, 108(2):281-316, 2002.

Jon Danielsson. Stochastic volatility in asset prices estimation with simulated maximum likelihood. Journal of Econometrics, 64(1):375-400, 1994.

Asma Graja Elabed and Afif Masmoudi. Bayesian estimation of non-gaussian stochastic volatility models. Journal of Mathematical Finance, 4:95, 2014.

Andrew Harvey, Esther Ruiz, and Neil Shephard. Multivariate stochastic variance models.The Review of Economic Studies, 61(2):247-264, 1994.

Nikolaus Hautsch and Yangguoyi Ou. Discrete-time stochastic volatility models and MCMC-based statistical inference. Technical report, SFB 649 discussion paper, 2008.

Steven L Heston. A closed-form solution for options with stochastic volatility with applications to bond and currency options. Review of financial studies, 6(2):327-343, 1993.

John Hull and Alan White. The pricing of options on assets with stochastic volatilities. The journal of finance, 42(2):281-300, 1987.

Eric Jacquier, Nicholas G Polson, and Peter E Rossi. Bayesian analysis of stochastic volatility models. Journal of Business & Economic Statistics, 20(1):69-87, 2002.

Eric Jacquier, Nicholas G Polson, and Peter E Rossi. Bayesian analysis of stochastic volatility models with fat-tails and correlated errors. Journal of Econometrics, 122(1):185-212, 2004.

Rudolph Emil Kalman. A new approach to linear filtering and prediction problems. Journal of Fluids Engineering, 82(1):35-45, 1960.

Roman Liesenfeld and Robert C Jung. Stochastic volatility models: conditional normality versus heavy-tailed distributions. Journal of applied Econometrics, 15(2):137-160, 2000.

John Freddy Moreno Trujillo. Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas (parameter estimation in stochastic differential equations (SDES): Applications to financial modeling). Odeon-Observatorio de Economía y Operaciones Numéricas, (6), 2011.

John Freddy Moreno Trujillo. Opciones parisinas: Definición y valoración (parisian options: Definitions and pricing). Odeon-Observatorio de Economía y Operaciones Numéricas, (6), 2011.

John Freddy Moreno Trujillo. Valoración de opciones sobre el círculo unitario. la transformada rápida de fourier y el modelo binomial. Odeon-Observatorio de Economía y Operaciones Numéricas, (7), 2013.

Davide Raggi and Silvano Bordignon. Comparing stochastic volatility models through monte carlo simulations. Computational statistics & data analysis, 50(7):1678-1699, 2006.

Gleb Sandmann and Siem Jan Koopman. Estimation of stochastic volatility models viamonte carlo maximum likelihood. Journal of Econometrics, 87(2):271-301, 1998.

Elias M Stein and Jeremy C Stein. Stock price distributions with stochastic volatility: ananalytic approach. Review of financial Studies, 4(4):727-752, 1991.

Stephen John Taylor. Financial returns modelled by the product of two stochastic processes, a study of daily sugar prices. 2005.


Métricas de artículo

Vistas de resumen
a description of the source 212




Cargando métricas ...
Publicado: 2014-12-20 13:46:13



Copyright (c) 2014 John Freddy Moreno Trujillo

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.