Aplicación de modelos unifactoriales y aprendizaje automático en el mercado colombiano de deuda pública
Application of unifactorial models and machine learning for the colombian fixed income market
Barra lateral del artículo
PDF
FLIP
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Contenido principal del artículo
Resumen
En este trabajo se implementa el modelo propuesto por Vasicek y el de Cox et al., en ventanas móviles de tiempo, y observaremos su desempeño de pronóstico en el lapso de un año para el mercado colombiano de deuda pública.
Los resultados se van a comparar con modelos de aprendizaje de máquinas, específicamente con modelos de árboles de regresión, redes neuronales y bosques aleatorios (random forest); a pesar de no tener un sustento económico, estos modelos se usan ampliamente para manejar problemas de pronóstico en diferentes áreas del conocimiento y, al igual que los modelos de tasas unifactoriales, se pueden utilizar para determinar los niveles futuros de tasas de interés, abordándolos como un problema de regresión.
Descargas
Detalles del artículo
Referencias (VER)
Andreasen, M. M., Christensen, J. H. y Rudebusch, G. D. (2019). Term Structure analysis with big data: One-step estimation using bond prices. Journal of Econometrics, 212(1), 26-46.
Bolsa de Valores de Colombia (2023). Bolsa de Valores de Colombia. https://www. bvc.com.co/renta-fija/descripcion-general
Brennan, E. y Schwartz, S. (1979). A continuous time approach to the pricing of bonds. Journal of Banking & Finance, 3(2), 133-155. https://doi.org/10.1016/0378- 4266(79)90011-6.
Black, F. y Karasinski, P. (1991). Bond and option pricing when short rates are lognormal. Financial Analysts Journal, 47(4), 52-59. https://doi.org/10.2469/faj.v47.n4.52
Carmona, R. y Ludkovski, M. (2004). Spot convenience yield models for the energy markets. Contemporary Mathematics, 351, 65-80.
Castello, O. y Resta, M. (2022). Modeling the yield curve of brics countries: Parametric vs. Machine Learning techniques. School of Social Sciences, Department of Economics and Business Studies, University of Genova.
Cox, J. C., Ingersoll, J. E. y Ross, S. A. (1985). A theory of the term structure of interest rates. Econometrica, 53(2), 385-408.
Diebold, F. X. y Li, C. (2006). Forecasting the term structure of government bond yields. Journal of Econometrics, 130(2), 337-364.
Gibson, R. y Schwartz, E. S. (1990). Stochastic convenience yield and the pricing of oil contingent claims. The Journal of Finance, 45(3), 959-976.
Girsanov, I. V. (1960). On transforming a certain class of stochastic processes by absolutely continuous substitution of measures. Theory of Probability & Its Applications, 5(3), 285-301.
Herrera Cardona, L. G., Cárdenas Giraldo, D. y Salcedo García, J. P. (2011). Estimación de la estructura a plazos para un título de renta fija del tesoro colombiano por el método unifactorial de Vasicek. Gestion y Desarrollo, 8(1), 95-114.
Ho, T. S. Y. y Lee, S. B. (1986). Term structure movements and pricing interest rate contingent claims. The Journal of Finance, 41, 1011-1029. http://dx.doi. org/10.1111/j.1540-6261.1986.tb02528.x
Hull, J. y White, A. (1990). Pricing interest-rate-derivative securities. The Review of Financial Studies, 3(4), 573-592.
Josheski, D. y Apostolov, M. (2021). Equilibrium short-rate models vs no-arbitrage models: Literature review and computational examples. Econometrics. Ekonometria. Advances in Applied Data Analytics, 25(3), 42-71.
Kellerhals, B. P. (2001). Financial pricing models in continuous time and kalman filtering. Springer-Verlag Berlin Heidelberg.
Key, D. E., Azamhuzjaev, M. y Mackey , J. (2001). Economic value added®: A critical. The Journal of Corporate Accounting & Finance, 12(2), 65-71.
La República (2020, mayo 12). Momento decisivo en el Fondo Monetario Internacional sobre ayuda a emergentes. La República. https://www.larepublica.co/ globoeconomia/momento-decisivo-en-el-fondo-monetario-internacional-sobre-ayuda-a-emergentes-2991149
Law, H. S. (2009). On the modelling, design and valuation of commodity derivatives (Doctoral dissertation). The University of Manchester.
Litterman, R. y J. Scheinkman (1991), Factores comunes que afectan el rendimiento de los bonos. Journal of Fixed Income 1(1), 54-61.
Longstaff, F. y Schwartz, E. (1992). Interest rate volatility and the term structure: A two-factors general equilibrium model. Journal of Finance, 47( 4), 1259-82.
Luo, D., Pang, T. y Xu, J. (2021). Forecasting U.S. yield curve using the dynamic Nelson–Siegel model with random level shift parameters. Economic Modelling, 94, 340-350.
Matsumura, M., Moreira, A. y Vicente, J. (2011). Forecasting the yield curve with linear factor models. International Review of Financial Analysis, 20(5), 237-243.
Mejía, C. A. (2015). Una introducción general a los mercados de commodities a nivel internacional. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3062233
Melo Velandia, L. F. y Castro Lancheros, G. A. (2010). Relación entre las variables macro y la curva de rendimientos. Borradores de Economía, 605, 2-28.
Miltersen, K. R. (2003). Commodity price modelling that matches current observables: A new approach. Quantitative Finance, 3(1), 51-58.
Modigliani, F. (1944). Liquidity preference and the theory of interest and money. Econometrica, 12(1), 45-88.
Nelson, C. R. y Siegel, A. F. (1987). Parsimonious modeling of yield curves. The Journal of Business, 60(4), 473-489.
Orlando, G., Minnini, R. M. y Bufalo, M. (2019). Forecasting interest rates through Vasicek and CIR models: A partitioning approach. Journal of Forecasting, 39(4), 569-579.
Platen, E. y Bruti-Liberati, N. (2007). Numerical Solution of Stochastic Differential Equations with Jumps inf Finance. Springer.
Rezende, R. B. y Ferreira, M. S. (2011). Modeling and forecasting the yield curve by an extended Nelson-Siegel class of models: A quantile autoregression approach. Journal of Forecasting, 30(8), 339.350.
Restrepo Tobón, D. A. y Botero Ramírez, J. C. (2007). Modelos unifactoriales de tipos de interés: Aplicación al mercado colombiano. Universidad EAFIT.
Ribeiro, D. R. y Hodges, S. D. (2004b). A two-factor model for commodity prices and futures valuation. Semantic Scholar. https://pdfs.semanticscholar.org/e395/228d 9a0e51a302772cd50ef76108204e8ff8.pdf
Ribeiro, D. y Hodges, S. (2004a). Equilibrium model for commodity prices: Competitive and monopolistic markets. Papers Series. https://warwick.ac.uk/fac/soc/wbs/subjects/finance/research/wpaperseries/pp_04.130.pdf
Ripley, B. D. y Venables, W. N. (2002). Modern Applied Statistics with S. Springer.
Schwartz, E. S. (1997). The stochastic behavior of commodity prices: Implications for valuation and hedging. The Journal of Finance, 52(3), 923-973.
Thornton, D. L. y Valente, G. (2012). Out-of-sample predictions of bond excess returns and forward rates: An Asset allocation perspective. The Review of Financial Studies, 25(10), 3141-3168.
Vasicek, O. (1977). An equilibrium characterization of the term structure. Journal of Financial Economics, 5(2), 177-188.
Venegas Martínez, F. (2002). Riesgos financieros y económicos. Productos derivados y decisiones económicas bajo incertidumbre. Cengage Learning.
Venegas, F. y Vasicek , O. (2021). Modelos de la estructura de plazos de las tasas de interés: Revisión, tendencias y perspectivas. Revista Mexicana de Economía y Finanzas Nueva Época, 16(2), 1-28.
Citado por
