Tema:

Especificación y Estimación de los MODELOS

ARCH y GARCH

Curso :Econometría para Finanzas.

Profesor :Dr. Víctor Pérez Suárez.
Alumno : Sergio Antonio Requena Bautista.

1
 RAPPLE RAPPLE2
.08 .012

.010
.04

.008
.00
.006

-.04
.004

-.08 .002

.000
-.12 II III IV I II III IV I II III IV I II III IV I II III IV I II
II III IV I II III IV I II III IV I II III IV I II III IV I II
2014 2015 2016 2017 2018 2019
2014 2015 2016 2017 2018 2019
RAPPLE
40

35
Bolsa de Valores de New
30
York (NYSE) Rendimiento
25
de APPLE
Density

20

15

10

0
-.12 -.10 -.08 -.06 -.04 -.02 .00 .02 .04 .06 .08

Histogram Kernel

Curso : Econometría para Finanzas Alumno : Sergio Antonio 2Requena Bautista

 Especificación del Modelo ARCH (m)

Robert Engle

Curso : Econometría para Finanzas Alumno : Sergio Antonio 3

Requena Bautista
 Especificación del modelo ARCH (m)
1) Estimar la media condicional de la
serie de los rendimientos.

2) Identificar el Efecto ARCH en el

modelo.

3) Identificar el orden del modelo ARCH.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 4Requena Bautista

 1) Estimar la media condicional de la serie de rendimientos

Modelo para RAPPLE

Criterio AR(1) AR(2) AR(3) AR(4) AR(5) AR(6) AR(7) AR(8)
Akaike info criterion -5.503277 -5.504938 -5.503050 -5.502933 -5.502189 -5.501569 -5.509141* -5.502015
Schwarz criterion -5.495099 -5.496755 -5.494862 -5.494740 -5.493990 -5.493365 -5.500931* -5.493801
Hannan-Quinn criterion -5.500203 -5.501862 -5.499972 -5.499853 -5.499107 -5.498485 -5.506054* -5.498927

Tres criterios indican que es un modelo AR (7)

Curso : Econometría para Finanzas Alumno : Sergio Antonio 5Requena Bautista

 1) Estimar la media condicional de la serie de rendimientos

Dependent Variable: RAPPLE

Variable Coefficien... Std. Error t-Statistic Prob.

C 0.000755 0.000478 1.581518 0.1140

AR(7) 0.088654 0.028401 3.121527 0.0018

R-squared 0.007747 Mean dependent var 0.000763

Adjusted R-squared 0.006952 S.D. dependent var 0.015440
S.E. of regression 0.015386 Akaike info criterion -5.509141
Sum squared resid 0.295431 Schwarz criterion -5.500931
Log likelihood 3445.213 Hannan-Quinn criter. -5.506054
F-statistic 9.743930 Durbin-Watson stat 1.972282
Prob(F-statistic) 0.001840

Inverted AR Roots .71 .44+.55... .44-.55i -.16-.69i

-.16+.69i -.64+.31... -.64-.31i

Curso : Econometría para Finanzas Alumno : Sergio Antonio 6Requena Bautista

 2) Identificar el efecto ARCH en el modelo

Heteroskedasticity Test: ARCH

F-statistic 8.206308 Prob. F(8,1233) 0.0000

Obs*R-squared 62.78662 Prob. Chi-Square(8) 0.0000

Curso : Econometría para Finanzas Alumno : Sergio Antonio 7Requena Bautista

 3) Identificar el Orden del modelo ARCH

Correlograma sobre los residuales al cuadrado.

Orden del ARCH

Curso : Econometría para Finanzas Alumno : Sergio Antonio 8Requena Bautista

 3) Identificar el Orden del modelo ARCH

Curso : Econometría para Finanzas Alumno : Sergio Antonio 9Requena Bautista

 3) Identificar el Orden del modelo ARCH

Variable Coefficien... Std. Error z-Statistic Prob.

C 0.001297 0.000389 3.335885 0.0009

AR(7) 0.062122 0.025413 2.444467 0.0145

Variance Equation

C 0.000120 6.48E-06 18.46153 0.0000

RESID(-1)^2 0.157522 0.033522 4.699057 0.0000
RESID(-2)^2 0.051604 0.023921 2.157255 0.0310
RESID(-3)^2 0.137837 0.024713 5.577425 0.0000
RESID(-4)^2 0.065214 0.025630 2.544407 0.0109
RESID(-5)^2 0.116274 0.019351 6.008783 0.0000

Modelo ARCH(5):
Los coeficientes son positivos.
El coeficiente de la constante es positivo.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 10

Requena Bautista
 El proceso ARCH debe ser estacionario esto se
garantiza cuando:

0 ≤ ∑ αi ≤ 1

RESID(-1)^2 0.157522
RESID(-2)^2 0.051604
RESID(-3)^2 0.137837
RESID(-4)^2 0.065214
RESID(-5)^2 0.116274
Suma 0.528451

El modelo ARCH es un proceso estacionario es decir

la varianza no crece indefinidamente.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 11

Requena Bautista
 Varianza Observada y Estimada

.012

.010

.008

.006

.004

.002

.000
II III IV I II III IV I II III IV I II III IV I II III IV I II
2014 2015 2016 2017 2018 2019

RAPPLE2 VARIANZAESTIMADA

Curso : Econometría para Finanzas Alumno : Sergio Antonio 12

Requena Bautista
 Especificación del Modelo GARCH (m,p)

Curso : Econometría para Finanzas Alumno : Sergio Antonio 13

Requena Bautista
 Especificación del modelo GARCH (m,p)
1) Estimar la media condicional de la serie
de los rendimientos.

2) Identificar el efecto ARCH.

3) Identificar el orden del modelo GARCH

(m,p).

Curso : Econometría para Finanzas Alumno : Sergio Antonio 14

Requena Bautista
 1) Estimar la media condicional de la media de rendimienos

Curso : Econometría para Finanzas Alumno : Sergio Antonio 15

Requena Bautista
 2) Identificar el efecto ARCH

Heteroskedasticity Test: ARCH

F-statistic 0.034937 Prob. F(1,1253) 0.8518

Obs*R-squared 0.034992 Prob. Chi-Square(1) 0.8516

Criterio GARH(1,1) GARH(2,1) GARH(1,2) GARH(2,2) GARH(1,3) GARH(2,3) GARH(3,3)

Akaike info criterion -5.603095 -5.603095 -5.604194 -5.60313 -5.605184* -5.604235 -5.603817
Schwarz criterion -5.58265* -5.58265 -5.579661 -5.574508 -5.576561 -5.571524 -5.567016
Hannan-Quinn criterion -5.595411* -5.595411 -5.594974 -5.592373 -5.594426 -5.591941 -5.589986

(Bollerslev, 1986) demostró que un modelo GARCH(1,1), tiene las

propiedades estadísticas satisfactorias para capturar la volatilidad en los
datos.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 16

Requena Bautista
 3) Identificar el orden del modelo GARCH (m,p)

Modelo para RAPPLE

Dependent Variable: RAPPLE

Variable Coefficien... Std. Error z-Statistic Prob.

C 0.001500 0.000381 3.940917 0.0001

AR(1) 0.007540 0.031942 0.236056 0.8134

Variance Equation

C 1.91E-05 3.36E-06 5.692213 0.0000

RESID(-1)^2 0.112736 0.021277 5.298532 0.0000
GARCH(-1) 0.810427 0.030087 26.93611 0.0000

ht = 0.0000191031 + 0.1127367Ԑ2 t-1 + 0.810427 ht-1

Modelo GARCH (1,1)

Curso : Econometría para Finanzas Alumno : Sergio Antonio 17

Requena Bautista
 Varianza Observada y Estimada

.012

.010 Varianzas observadas y

estimada
.008

.006

.004

.002

.000
II III IV I II III IV I II III IV I II III IV I II III IV I II
2014 2015 2016 2017 2018 2019

RAPPLE2 VARGARCHESTIMADA

Curso : Econometría para Finanzas Alumno : Sergio Antonio 18

Requena Bautista
 Restricciones en el modelo GARCH
α0 > 0
αi ≥ 0 Los modelos GARCH requiere
βj ≥ 0 que la varianza condicional
sea no negativa.

Ʃ( αi + βj) < 1 La varianza no crece al

infinito describe un proceso
estacionario.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 19

Requena Bautista
 C 1.9E-05 3.36E-06 5.692213 0.0000
RESID(-1)^2 0.112736 0.021277 5.298532 0.0000
GARCH(-1) 0.810427 0.030087 26.93611 0.0000

ht = 0.0000191031 + 0.1127367Ԑ2 t-1 + 0.810427 ht-1

α0= 0.000019

α1= 0.112736 El shock de las noticias

β1= 0.810427 Volatilidad de un periodo anterior

α1 + β1 = 0.923163

El modelo GARCH es estacionario .

Curso : Econometría para Finanzas Alumno : Sergio Antonio 20

Requena Bautista
 Prueba de Raíz Unitaria ADF

La prueba refuerza lo dicho anteriormente pues la prueba

confirma que la serie es estacionaria o no tiene una raíz
unitaria por lo que se encuentra dentro del círculo unitario.

Inverse Roots of AR Characteristic Polynomial

1.5
Null Hypothesis: RAPPLE has a unit root
Exogenous: Constant 1.0
Lag Length: 0 (Automatic - based on SIC, maxlag=22)
0.5
t-Statistic Prob.*
0.0

Augmented Dickey-Fuller test statistic -35.02431 0.0000

Test critical values: 1% level -3.435344 -0.5

5% level -2.863633
-1.0
10% level -2.567934
-1.5
*MacKinnon (1996) one-sided p-values. -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Curso : Econometría para Finanzas Alumno : Sergio Antonio 21

Requena Bautista
 RSP500 VARIESTSP500
.0025
.06

.04 .0020

.02
.0015

.00
.0010

-.02

.0005
-.04

.0000
-.06
II III IV I II III IV I II III IV I II III IV I II III IV I II
II III IV I II III IV I II III IV I II III IV I II III IV I II
2014 2015 2016 2017 2018 2019
2014 2015 2016 2017 2018 2019
RSP500
90

80

70 Bolsa de Valores SP500

60

50
Density

40

30

20

10

0
-.05 -.04 -.03 -.02 -.01 .00 .01 .02 .03 .04 .05 .06

Histogram Kernel

Curso : Econometría para Finanzas Alumno : Sergio Antonio 22

Requena Bautista
 Especificación del Modelo ARCH (m)

Robert Engle

Curso : Econometría para Finanzas Alumno : Sergio Antonio 23

Requena Bautista
 Especificación del modelo ARCH (m)
1) Estimar la media condicional de la
serie de los rendimientos.

2) Identificar el Efecto ARCH en el

modelo.

3) Identificar el orden del modelo ARCH.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 24

Requena Bautista
 1) Estimar la media condicional de la serie de rendimientos

Modelo para RAPPLE

Criterio AR(1) AR(2) AR(3) AR(4) AR(5) AR(6)
Akaike info criterion -6.715682 -6.715257 -6.713887 -6.714358 -6.713552 -6.712077
Schwarz criterion -6.707457 -6.702919 -6.697436 -6.693795 -6.688876 -6.683288
Hannan-Quinn criterion -6.71259 -6.710618 -6.707702 -6.706627 -6.704274 -6.701253

Ningún criterio indica que hay un modelo AR (n)

Curso : Econometría para Finanzas Alumno : Sergio Antonio 25

Requena Bautista
 1) Estimar la media condicional de la serie de rendimientos

Dependent Variable: RSP500

Method: Least Squares
Date: 06/14/19 Time: 03:22
Sample (adjusted): 5/23/2014 5/21/2019
Included observations: 1257 after adjustments

Variable Coefficien... Std. Error t-Statistic Prob.

C 0.000365 0.000237 1.542803 0.1231

R-squared 0.000000 Mean dependent var 0.000365

Adjusted R-squared 0.000000 S.D. dependent var 0.008388
S.E. of regression 0.008388 Akaike info criterion -6.723335
Sum squared resid 0.088361 Schwarz criterion -6.719248
Log likelihood 4226.616 Hannan-Quinn criter. -6.721799
Durbin-Watson stat 2.038575

Curso : Econometría para Finanzas Alumno : Sergio Antonio 26

Requena Bautista
 2) Identificar el efecto ARCH en el modelo

Heteroskedasticity Test: ARCH

F-statistic 27.43949 Prob. F(8,1240) 0.0000

Obs*R-squared 187.8537 Prob. Chi-Square(8) 0.0000

Curso : Econometría para Finanzas Alumno : Sergio Antonio 27

Requena Bautista
 3) Identificar el Orden del modelo ARCH

Correlograma sobre los residuales al cuadrado.

Orden del ARCH

Curso : Econometría para Finanzas Alumno : Sergio Antonio 28

Requena Bautista
 3) Identificar el Orden del modelo ARCH

Curso : Econometría para Finanzas Alumno : Sergio Antonio 29

Requena Bautista
 3) Identificar el Orden del modelo ARCH

Variable Coefficien... Std. Error z-Statistic Prob.

C 0.000782 0.000180 4.342800 0.0000

Variance Equation

C 1.74E-05 1.28E-06 13.64531 0.0000

RESID(-1)^2 0.210919 0.025181 8.376112 0.0000
RESID(-2)^2 0.120575 0.034003 3.546061 0.0004
RESID(-3)^2 0.147168 0.028871 5.097482 0.0000
RESID(-4)^2 0.178434 0.029688 6.010317 0.0000
RESID(-5)^2 0.046602 0.017905 2.602710 0.0092
RESID(-6)^2 0.097454 0.029304 3.325582 0.0009

Modelo ARCH(6):
Los coeficientes son positivos.
El coeficiente de la constante es positivo.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 30

Requena Bautista
 El proceso ARCH debe ser estacionario esto se
garantiza cuando:

0 ≤ ∑ αi ≤ 1
RESID(-1)^2 0.210919
RESID(-2)^2 0.120575
RESID(-3)^2 0.147168
RESID(-4)^2 0.178434
RESID(-5)^2 0.046602
RESID(-6)^2 0.097454
Suma 0.801152

El modelo ARCH es un proceso estacionario es decir

la varianza no crece indefinidamente.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 31

Requena Bautista
 Varianza Observada y Estimada

.0025

.0020

.0015

.0010

.0005

.0000
II III IV I II III IV I II III IV I II III IV I II III IV I II
2014 2015 2016 2017 2018 2019

VARIESTSP500 VARIANZAESTIMADA

Curso : Econometría para Finanzas Alumno : Sergio Antonio 32

Requena Bautista
 Especificación del Modelo GARCH (m,p)

Curso : Econometría para Finanzas Alumno : Sergio Antonio 33

Requena Bautista
 Especificación del modelo GARCH (m,p)
1) Estimar la media condicional de la serie
de los rendimientos.

2) Identificar el efecto ARCH.

3) Identificar el orden del modelo GARCH

(m,p).

Curso : Econometría para Finanzas Alumno : Sergio Antonio 34

Requena Bautista
 1) Estimar la media condicional de la media de rendimienos

Curso : Econometría para Finanzas Alumno : Sergio Antonio 35

Requena Bautista
 2) Identificar el efecto ARCH

Heteroskedasticity Test: ARCH

F-statistic 4.791838 Prob. F(2,1252) 0.0084

Obs*R-squared 9.533663 Prob. Chi-Square(2) 0.0085

Criterio GARH(1,1) GARH(2,1) GARH(1,2) GARH(2,2) GARH(1,3) GARH(2,3) GARH(3,3)

Akaike info criterion 8.777848 8.652079* 11.99615 11.53945 11.53095 11.63717 11.57498
Schwarz criterion 8.798279 8.676597* 12.02067 11.56806 11.55956 11.66986 11.61176
Hannan-Quinn criterion 8.785526 8.661294* 12.00537 11.5502 11.5417 11.64946 11.5888

(Bollerslev, 1986) demostró que un modelo GARCH(1,1), tiene las

propiedades estadísticas satisfactorias para capturar la volatilidad en los
datos.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 36

Requena Bautista
 3) Identificar el orden del modelo GARCH (m,p)

Modelo para RSP500

Dependent Variable: SP500

Variable Coefficien... Std. Error z-Statistic Prob.

C 18818.93 271198.9 0.069392 0.9447

AR(1) 0.999917 0.001362 733.9348 0.0000

Variance Equation

C 484.1437 23.44118 20.65356 0.0000

RESID(-1)^2 0.338887 0.037635 9.004621 0.0000
RESID(-2)^2 0.316727 0.037764 8.387110 0.0000
GARCH(-1) -0.926373 0.067234 -13.77834 0.0000

ht = 484.1437 + 0.338887Ԑ2 t-1 + 0.316727Ԑ2 t-2 - 0.926373 ht-1

Modelo GARCH (2,1)

Curso : Econometría para Finanzas Alumno : Sergio Antonio 37

Requena Bautista
 Restricciones en el modelo GARCH
α0 > 0
αi ≥ 0 Los modelos GARCH requiere
βj ≥ 0 que la varianza condicional
sea no negativa.

Ʃ( αi + βj) < 1 La varianza no crece al

infinito describe un proceso
estacionario.

Curso : Econometría para Finanzas Alumno : Sergio Antonio 38

Requena Bautista
 C 484.1437 23.44118 20.65356 0.0000
RESID(-1)^2 0.338887 0.037635 9.004621 0.0000
RESID(-2)^2 0.316727 0.037764 8.387110 0.0000
GARCH(-1) -0.926373 0.067234 -13.77834 0.0000

ht = 484.1437 + 0.338887Ԑ2 t-1 + 0.316727Ԑ2 t-2 - 0.926373 ht-1

α0= 484.143700

α1= 0.338887 El shock de las noticias

α2= 0.316727

β1= -0.926373 Volatilidad de un periodo anterior

α1 + β1 = -0.270759

El modelo GARCH tiene coeficiente negativo

Curso : Econometría para Finanzas Alumno : Sergio Antonio 39

Requena Bautista