Aplicación de los modelos GARCH a la estimacion del Va R de acciones colombianas Aplicación de los modelos GARCH a la estimacion del Va R de acciones colombianas

Resumen

El aumento de la volatilidad de los mercados financieros durante las últimas décadas ha inducido a investigadores, profesionales y reguladores a diseñar y desarrollar herramientas de gestión de riesgos más sofisticadas. El Valor en riesgo (VaR) se ha convertido en el estándar de medida que los analistas financieros utilizan para cuantificar el riesgo de mercado por la simplicidad del concepto y facilidad de interpretación. En este proyecto el VaR fue aplicado a la serie de rendimientos de las acciones de mayor bursatilidad del mercado colombiano y fue calculado con el método paramétrico utilizando el enfoque RiskMetrics y los modelos econométricos GARCH. En el análisis del riskMetrics se debe suponer que la volatilidad de la serie se interpreta por los modelos integrados IGARCH (1,1). Para el cálculo del VaR con los modelos econométricos gArch se aplica la metodología ARIMA para pronosticar los rendimientos de la serie, que generalmente tienen una varianza no constante en el tiempo, es decir, presentan la existencia de heteroscedasticidad y deben utilizarse los modelos autorregresivos generalizados de heterocedasticidad condicional (GARCH), tales como PGARCH, TGARCH, EGACH, u otros modelos como IGARCH, GARCH-M para hallar la varianza condicional.

Abstract: The increased volatility in financial markets over recent decades has led researchers, experts, and regulators to design and develop more sophisticated risk management tools. Value at risk (Var) has become the standard measure that financial analysts use to measure market risk due to its conceptual simplicity and easy interpretation. In this paper, Value at risk (Var) was applied to the returns of the biggest marketability shares of the colombian stock market and it was calculated by the parametric method with the riskMetrics approach and the econometric gArch models. Under the RiskMetrics approach the variance of the series is computed using an IGARCH (1.1) model. For the calculation of VaR with econometric GARCH models, ARIMA methodology is applied to find the model that will help to forecast the returns of the series, this returns does not generally have a constant variance, showing the existence of heteroscedasticity and should be used generalized autoregressive conditional heteroscedasticity models (GARCH), such as PGARCH, TGARCH EGARCH, and other models as IGARCH, GARCH-M to find the conditional variance.