Documente Academic
Documente Profesional
Documente Cultură
CURSO: Econometría II
INTEGRANTES:
SECCIÓN: Noche 46 E
CICLO: VII
LIMA – PERÚ
2019
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
AGRADECIMIENTO
ECONOMETRIA II
2
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
ECONOMETRIA II
3
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
DEDICATORIA
La vida se encuentra plagada de retos, y uno de ellos
es la universidad. Que más allá de ser un reto, es una
base no solo para nuestro entendimiento en el campo,
sino para lo que concierne a la vida y nuestro futuro.
Dedicamos este trabajo a aquellas personas que nos
enseñaron que la mejor libertad del ser humano está
en la superación personal e intelectual, estás personas
son nuestros padres, y nuestro maestro del curso que
nos dieron su apoyo a diario para culminar con éxito
este.
ECONOMETRIA II
4
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
1. INDICE
AGRADECIMIENTO .......................................................................................................................... 2
DEDICATORIA .................................................................................................................................. 4
1. INDICE.......................................................................................................................................... 5
2. RESUMEN .................................................................................................................................... 6
3. INTRODUCCIÓN ........................................................................................................................... 7
4. REVISIÓN DE LA LITERATURA RELEVANTE................................................................................... 9
4.1 MODELOS DE MEDICION DE LA VOLATILIDAD EN LOS MERCADOS DE VALORES:
APLICACIÓN AL MERCADO BURSATIL ARGENTINO ......................................................................... 9
4.2 MODELACIÓN DE LA VOLATILIDAD DEL ÍNDICE GENERAL DE LA BOLSA DE VALORES DE
COLOMBIA (IGBC).......................................................................................................................... 11
4.3 ESTIMACIÓN DE LA VOLATILIDAD DE LOS PRECIOS DE LAS ACCIONES DE LA BMV .......... 15
5. METODOLOGÍA PROPUESTA. .................................................................................................... 19
5.1 MODELO DE VOLATILIDAD ESTOCÁSTICA ......................................................................... 20
6. DISCUSIÓN DE LOS DATOS ........................................................................................................ 23
7. RESULTADOS ............................................................................................................................. 24
7.1 DESCRIPTIVO ..................................................................................................................... 25
7.2 PRUEBA DE RAÍZ UNITARIA EN NIVELES ............................................................................ 26
7.3 CONDICIÓN DE ESTACIONARIEDAD EN LA MEDIA ............................................................ 28
7.3.1 ESTIMACION DE LA RENTABILIDAD ........................................................................... 28
7.3.2 PRUEBA DE RAÍZ UNITARIA PARA LA RENTABILIDAD ................................................ 28
7.4 CONDICION DE HETEROCEDASTICIDAD ............................................................................ 31
7.4.1 DETERMINACION DEL MODELO AR(n) ...................................................................... 31
7.4.2 LA PRUEBA DE LA HETEROCEDASTICIDAD................................................................. 31
7.5 DETERMINACION DEL MODELO ARCH .............................................................................. 33
8. CONCLUSIONES ......................................................................................................................... 35
9. REFERENCIAS BILIOGRAFICAS ................................................................................................... 36
10. ANEXOS ................................................................................................................................. 37
ECONOMETRIA II
5
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
2. RESUMEN
A través de sus coeficientes se pudo obtener una medida de las diferencias en cuanto a las
cotizaciones obtenidas en sus diversas actividades de la compañía que comprenden la
extracción, producción y comercialización de cátodo y concentrados de cobre. De acuerdo a
ello obtenemos su volatilidad para una adecuada planificación financiera., ya que una gran
volatilidad de los precios de las acciones puede significar enormes pérdidas o ganancias y
en consecuencia provocar mayor incertidumbre.
Como mencionamos todo ello indicaría que la varianza de las series de tiempo financieras
se modifica con el tiempo y ella se determina con el modelo a usar, y que nos resulta practico,
en este caso es el modelo llamado heteroscedasticidad condicional autorregresivo (ARCH),
que como su nombre lo dice mide la heterocedasticidad o variación desigual, a lo largo de
diferentes periodos.
ECONOMETRIA II
6
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
3. INTRODUCCIÓN
El objetivo de esta investigación es entender la teoría de los modelos con heterocedasticidad
condicional autorregresiva (ARCH), es decir aprender sus diversas definiciones, sus rasgos
característicos y las diversas propiedades que tienen, así como los diferentes tipos y
extensiones que hay de estos. Además de aprender que tipo de series se ajustan a estos
modelos, las transformaciones que hay que hacerles a estas para su modelado y las técnicas
necesarias para poder llevarlo a cabo.
Es por ello que en esta investigación se incluye una descripción de los modelos ARCH Y
GARCH. Se propone un modelo alternativo para el análisis de series financieras y se estudian
las series de precios y de retornos de las acciones cotizadas en la Bolsa de Valores de Lima
de la compañía Sociedad minera Cerro Verde. La selección de modelos usando los criterios
correspondientes permitirá concluir que, de los modelos considerados, es GARCH, la que
mejor explica el comportamiento de los precios de las acciones.
Entonces ¿existirá volatilidad en las acciones cotizadas por la Bolsa de Valores de Lima de
la empresa Sociedad Minera Cerro Verde?, es esta la interrogante principal a la que se busca
dar respuesta en este trabajo; recordemos que la volatilidad es una característica inherente a
las series de tiempo financieras, expresando su comportamiento simétrico frente a las alza y
bajas de los precios de un activo financiero.
Asimismo es importante señalar que las acciones que cotiza esta empresa peruana son
debidas a que desarrolla actividades en el sector minero, operando dentro de una economía
cíclica y competitiva, con un producto que cotiza internacionalmente. En efecto, el cobre es
una materia prima cuyo precio se determina en el mercado internacional, en función a su
producción y su consumo; además de molibneo y plata. Todos los datos que se presentaran a
continuación fueron extraídas de la Bolsa de Valores de Lima, la información recogida abarca
desde el año 2015 hasta Julio del 2019.
ECONOMETRIA II
7
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Este artículo está dividido por secciones. Empezaremos por la revisión de la literatura,
señalando referentes académicos, de acuerdo con esto presentaremos nuestro método para
lograr el objetivo ya propuesto. Luego definiremos e interpretaremos nuestro modelo a
trabajar ARCH Y GARCH, mostrando como se estiman sus parámetros de acuerdo a la data
obtenida. Culminando con las regresiones finales y evaluando estas, económica, estadística
y econométricamente.
OBJETIVOS
ECONOMETRIA II
8
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Del sitio de internet BOLSAR. COM se obtuvieron los valores de cierre diario del Índice
Merval para el período del primero de Enero de 1997 a fines de Junio de 2007. Eliminando
los días que no hubo negociación en el mercado bursátil Argentino se tienen 2599
observaciones.
Para este análisis se utiliza el programa Excel para algunos cálculos y gráficos y el Programa
Eviews para las regresiones, gráficos, histogramas, análisis de correlación y estacionariedad,
verificación de consistencia a través de distintos test.
ECONOMETRIA II
9
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
reflejada en bajos niveles del índice merval y mucha presencia de períodos de baja en los
valores de la bolsa. Y un segundo periodo caracterizado por crecimiento sostenido de los
valores del índice merval, logrando niveles récords, alcanzando un nivel máximo del índice
de 2250 en comparación con el mínimo de 200 obtenido a principio del 2002 (salida de la
convertibilidad y default) Este segundo momento se diferencia por una relativa tranquilidad
en los mercados, significando, entonces mayores oportunidades para los inversores en
mercados argentinos.
El valor de fac y facp es de 0.996 para ambas en el primer rezago. En el caso de las primeras
diferencias se observan valores bajos en las fac y facp de 0.034 para ambas en el primer
rezago, sin embargo ambas decaen mostrando signos alternantes. Al revisar los logaritmos
de la serie se observa el mismo patrón. En conclusión, la muestra de los valores del cierre del
índice Merval evidencia no estacionariedad.
Los principales momentos muestrales obtenidos de la evolución diaria del índice Merval a
precios de cierre; están representados en la siguiente tabla:
ECONOMETRIA II
10
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Al estimar el modelo obtenemos un estadístico “t” significativo, pero el valor del coeficiente
es superior a la unidad, lo que indicaría que el proceso explosivo. Esto nos lleva a analizar
una serie derivada de la serie merval la cual sería la rentabilidad diaria, medida como la
diferencia de los logaritmos naturales de dos cierres del índice merval contiguos.
Autores:
Se partió de los precios de cierre diario del IGBC, a partir del 1 de enero del año 2008 hasta
el 31 de mayo de 2012 y su respectiva graficación para determinar la estacionalidad y
tendencia de la serie.
Luego se le aplicó la primera diferencia logarítmica, para calcular los rendimientos diarios
de los activos estudiados. Una vez realizada esta transformación la serie se tornó estacionaria.
Con la diferenciación se eliminó la tendencia, mientras que el Logaritmo Natural se encargó
ECONOMETRIA II
11
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
de la heterocedasticidad, por lo que las series objetos de estudios se quedaron lista para ser
analizadas y pasar el siguiente paso.
Se calcularon las medidas de precisión, tales como el error cuadrático medio, el error absoluto
medio, coeficiente de desigualdad de Theil y la descomposición del error cuadrático medio,
que permitieron evaluar los pronósticos, y se eligió el modelo en el cual la diferencia entre
los valores pronosticados y los valores reales fue menor (Hernández, 2009).
Resultados:
En la gráfica se muestra periodos de alta y baja volatilidad. Se puede identificar que la serie
tienen tendencia y variabilidad, por lo tanto es una serie no estacionaria y no sería posible
construir un modelo. En consecuencia, se hace necesario realizar la transformación de la
serie, sacando la primera diferencia logarítmica para luego aplicar las pruebas y determinar
si la serie es estacionaria, propiciando la posibilidad de construcción de modelos ARCH y
GARCH.
ECONOMETRIA II
12
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
La gráfica revela los retornos logarítmicos de la serie original, observándose que fluctúa
alrededor de su media; es decir, cero. La serie se torna estable en el tiempo, no obstante la
varianza de los rendimientos no se mantiene constante sino que va cambiando a los largo del
tiempo, de tal manera que se observan periodos en que la volatilidad es menor y periodos en
los que la volatilidad es mayor. A este comportamiento en los rendimientos de los índices se
le conoce como agrupamiento de la volatilidad o clustering de volatilidad.
ECONOMETRIA II
13
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
ECONOMETRIA II
14
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Fernando H.
Servín y Silva
ECONOMETRIA II
15
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Universidad de Celaya.
En este inciso se describen las características de la secuencia de los datos, así como de los
algoritmos empleados en la determinación de los modelos. Se incluyen 4 108 observaciones
correspondientes a los precios máximos y mínimos de la acción AMX Serie L generados
durante 2054 días que van del 7/02/2001 al 3/04/2009 y que fueron obtenidos de las bases de
datos de Economática. También se determinó el rango de valores extremos semanal,
quincenal y mensual. En cada caso, se toma el logaritmo natural del máximo entre el mínimo
del día, de toda la semana, de la quincena o de todo el mes. El primer y tercer modelo se
estimó mediante técnicas de regresión no lineal; en ambos casos se usó el algoritmo de
mínimos cuadrados no lineales Marquardt. Las estimaciones con mínimos cuadrados no
lineales son asintóticamente equivalentes a las que se obtienen mediante máxima
verosimilitud.
ECONOMETRIA II
16
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
La figura 1 esquematiza la serie de las volatilidades diarias; a partir de esta gráfica se observa
que se intercalan periodos de estabilidad con diferencias mínimas en la variabilidad de los
precios y, posteriormente, le siguen periodos de inestabilidad con pronunciadas
fluctuaciones. Aunque un poco más difícil de identificar, también se observa la presencia de
cierto nivel de ciclicidad. El agrupamiento de la volatilidad tiene otras implicaciones tales
como la persistencia y la reversión a la media, las cuales serán discutidas más adelante.
Desde un punto de vista financiero, el agrupamiento de la volatilidad implica que los shocks
en la volatilidad de hoy pueden influir en las expectativas de volatilidad de muchos periodos
adelante. La volatilidad será más o menos persistente en la medida en que los efectos de la
llegada de nueva información persistan por mayor o menor tiempo después de su llegada. La
persistencia en la serie de los rendimientos será mayor en la medida en que la historia de la
serie sea la única depositaria de la memoria del mercado. En la medida en que se cuente con
modelos autorregresivos multivariados o con modelos univariados que incluyan otras
variables explicativas, ésta se distribuirá entre los diversos términos que describen el
fenómeno.
La volatilidad será muy persistente en la medida en que la sumatoria que aparece en sea muy
próxima a la unidad. Por su parte, la reversión a la media establece que hay un nivel normal
de volatilidad al que la serie deberá regresar. Al hacer pronósticos de muy largo plazo, dicha
volatilidad debe converger a un nivel constante.
ECONOMETRIA II
17
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Se estima mediante mínimos cuadrados como un modelo ARMA (1, 1) y es uno de los que
mejor se ajusta a los datos.
ECONOMETRIA II
18
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
5. METODOLOGÍA PROPUESTA.
Los estudios descriptivos buscan especificar las propiedades importantes de personas,
grupos, comunidades o cualquier otro fenómeno que sea sometido a análisis Miden o evalúan
diversos aspectos, dimensiones o componentes del fenómeno o fenómenos a investigar.
Desde el punto de vista científico, describir es medir. Esto es, en un estudio descriptivo se
selecciona una serie de cuestiones y se mide cada una de ellas independientemente, para así
describir lo que se investiga.
Es por esto que utilizaremos el método descriptivo para poder así cumplir con nuestro
objetivo, que es medir la volatilidad de la rentabilidad de las acciones de la empresa Sociedad
Minera Cerro Verde S.A.A durante el periodo del primer trimestre del 2015 hasta el primer
trimestre del 2019.
Los modelos que desarrollaremos son el GARCH y ARCH descritos por la econometría y
implementados de forma exitosa para hacernos la labor más sencilla por el software
ECONOMETRIA II
19
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
estadístico EVIEW 10 que nos servirá como una herramienta computacional poderosa para
cumplir con los objetivos propuestos para este trabajo.
Definición de variables:
Con estas variables proponemos un esquema para realizar el análisis de datos generados por
una familia de procesos estocásticos denominados Procesos con Heterocedasticidad
Condicional Autoregresiva-ARCH, los cuales son ampliamente utilizados para la predicción
de la volatilidad de series financieras. Se ajusta un modelo ARCH para pronosticar la
volatilidad de las cotizaciones de las acciones de la empresa minera Cerroverde.
El aspecto volátil está ligado con la medida del riesgo y los premios que busca un
inversionista para los riesgos en sus activos. La modelación de pronósticos volátiles es en
otras palabras la estructura de la covarianza del retorno de un activo. El hecho que la
volatilidad en los retornos fluctúa a lo largo del tiempo, es una realidad desde hace mucho
tiempo. Originalmente perteneció al estudio de distribuciones leptocúrticas. Estos retornos
han sido investigados por una serie de economistas en forma independiente. En los trabajos
de Mandelbrot (1963) y Mandelbrot y Taylor (1967) se aplicó la teoría de Pareto con la
finalidad de caracterizar estas distribuciones de retorno. Rachev y Mittnik (2000) discuten
estas distribuciones y su uso en la economía y las finanzas.
2
Con 𝜎𝑡2 = 𝜔0 + 𝜔1 𝑎𝑡−1
ECONOMETRIA II
20
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Los modelos ARCH relajan la hipótesis de la normalidad, y permiten que se tengan procesos
de ruido blanco formados por variables dependientes. Es una clase de modelos con la
propiedad:
𝑎𝑡 = 𝜎𝑡 𝑒𝑡 , 𝑒𝑡 ~𝑁(0,1)
Los modelos ARCH generalizan las hipótesis de un ruido blanco, permitiendo dependencia,
al hacer que la varianza condicional no sea constante. La evidencia empírica muestra que un
modelo ARCH de alto grado, se encuentra muy relacionada con la presencia dinámica de la
varianza condicional. Esto es, realizar muchas evaluaciones para estimar los parámetros. En
1986, Bollerslev propuso el modelo Generalizado Autorregresivo con Heterocedasticidad
Condicional o GARCH, como una solución natural a los modelos ARCH de alto orden. Este
modelo está basado en un ARCH de orden infinito. Reduciéndose de esta manera, el número
de evaluaciones para la estimación de los parámetros.
El modelo ARCH (1) establece una dependencia con AR (1), al plantearse un proceso
estocástico de los cuadrados de las observaciones, como un ruido blanco 𝑣𝑡 : 𝑣𝑡 = 𝑎𝑡2 − 𝜎𝑡2 ,
con media cero, varianza constante.
En los modelos GARCH, la varianza condicional es una función lineal de las tempranas
varianzas condicionales calculadas. En la generalización de ARCH o GARCH, introducida
por Bollerslev, se asume que el proceso 𝜎𝑡2 corresponde:
ECONOMETRIA II
21
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
GARCH se ha hecho popular y aceptado en el mundo de los pronósticos financieros, por los
siguientes argumentos: Está muy relacionado con los procesos ARMA; lo que sugiere que
detrás de la teoría de GARCH, se encuentra ARMA. Es práctico efectuar un simple ajuste a
los datos del mundo real, con sólo GARCH (1,1).
ECONOMETRIA II
22
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
El precio de cierre es la última cotización que registró durante el día en el mercado bursátil
de las acciones de la empresa sociedad cerro verde S.A.C
El precio de cierre en un mercado continuo que funciona las veinticuatro horas se calcula
como una media. Ello, tomando las cotizaciones históricas del valor en cuestión.
Además, debemos tomar en cuenta que existen ciertas plataformas online de negociación que
permiten operar determinados activos algunas horas posteriores al cierre del mercado. En
ECONOMETRIA II
23
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
esos casos, una vez culminada la jornada bursátil, la cotización permanece igual al precio de
cierre.
La otra variable que utilizaremos será los rendimientos de estas acciones que serán calculados
con el valor de cierre de un periodo respecto al otro tal y como nos muestra la siguiente
formula.
𝑃𝑡
𝑅(𝑡) = log( )
𝑃𝑡−1
Esta será finalmente la variable principal sobre el que calcularemos su volatilidad con los
modelos descritos anteriormente.
7. RESULTADOS
Los análisis de series de tiempos que se realizan mediante modelos ARIMA funcionan
únicamente con series estacionarias y homocedasticas.
Sin embargo la mayoría de las series principalmente financieras no poseen esta característica
a nivel de la varianza lo que significa que la varianza cambia en el tiempo es decir es
heterocedastica y es precisamente ese el motivo por el que se utiliza los modelos ARCH y
GARCH.
Por consiguiente debemos cumplir que las series son estacionarios en media pero no
estacionaria en la varianza.
ARCH y GARCH, modelan los procesos estocásticos en los cuales la varianza condicionada
a las informaciones pasadas no es constante, y depende de las innovaciones pasadas al
cuadrado.
ECONOMETRIA II
24
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Con 0 ≤ ∑𝑝𝑖=1 ∝𝑖 ≤ 1
𝐻0 : ∝𝑖 = 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖
𝐻1 : ∝𝑖 ≠ 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖
Se debe cumplir
7.1 DESCRIPTIVO
Iniciaremos por observar la evolución que a tenido el precio de las acciones a lo largo del perido de
estudio ya definido.
ECONOMETRIA II
25
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
ECONOMETRIA II
26
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Resultados
Aceptamos la hipótesis nula lo que significa que el precio de cierre de las acciones es no
estacionario en su media.
ECONOMETRIA II
27
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
ECONOMETRIA II
28
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
ECONOMETRIA II
29
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Resultados
ECONOMETRIA II
30
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
El primero sería el correlograma que nos daría la información de cuantos rezagos explican
la rentabilidad de las acciones.
Otro criterio que es el que utilizaremos es realizar varias estimaciones de ecuaciones con
MCO con la rentabilidad de variable dependiente y como variables explicativas a una
constante además de sus rezagos de periodos pasados.
ECONOMETRIA II
31
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Con 0 ≤ ∑𝑝𝑖=1 ∝𝑖 ≤ 1
𝐻0 : ∝𝑖 = 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖
𝐻1 : ∝𝑖 ≠ 0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖
ECONOMETRIA II
32
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Lo que sale significativo que la varianza depende de sus rezagos al cuadrado es decir la
rentabilidad de las acciones es no estacionaria en varianza lo que significa que es
heterocedastica.
Luego del calculo del modelo ARCH Para poder medir la volatilidad de la rentabilidad de las
acciones cotizadas en la bolsa de valores de Lima tendríamos.
ECONOMETRIA II
33
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Proyectemos los cálculos de volatilidad que me estima el modelo hallado durante todo el
periodo de estudio.
ECONOMETRIA II
34
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
8. CONCLUSIONES
ECONOMETRIA II
35
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
9. REFERENCIAS BILIOGRAFICAS
ECONOMETRIA II
36
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
10.ANEXOS
Para obtener los datos de la Bolsa de Valore de Lima se siguen los siguientes procedimientos:
ECONOMETRIA II
37
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
ECONOMETRIA II
38
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
Es así que entorno a estos datos se realizó el presente trabajo, con el uso de los programas
como Excel y Eviews se pudo importar y estimar la cantidad de datos obtenidos
respectivamente.
ECONOMETRIA II
39
UNIVERIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE CIENCIAS ECONOMICAS
ECONOMETRIA II
40