Uso del Modelo Autorregresivo de Duración Condicional para predecir la caída del dólar en el mercado cambiario colombiano

DOI:  https://doi.org/10.12804/revistas.urosario.edu.co/economia/a.8280

Barra lateral del artículo

PDF HTML Lector Inteligente ePub

Publicado: Oct 27, 2020
Número: Vol. 23 Núm. 2 (2020)
Sección Artículos


Palabras clave: Rayleigh Transmutación TRM autorregresivo de duración condicional; tasa representativa del mercado; Rayleigh; Transmutación; no equidistantes;

Contenido principal del artículo

Autores/as

Hector Fabio Gallego Escudero
Universidad del Valle
Omar Alexander Ríos Saavedra
Universidad del Valle

Resumen

El objetivo fundamental del modelo autorregresivo de duración condicional (ADC) es el
modelamiento de series de tiempo con periodos no equidistantes. Dada la naturaleza leptocúrtica de los retornos de la tasa representativa del mercado (TRM) y el comportamiento de las duraciones asociado a estos, se usó una distribución de Rayleigh con transmutación, que permite aproximar de forma ajustada a una distribución de colas pesadas, coherente con este hecho estilizado en los retornos. Se concluye que el tiempo transcurrido entre caídas del dólar, en promedio, se encuentra entre 3 y 6 días.

Cómo citar
Gallego Escudero, H. F., & Ríos Saavedra, O. A. (2020). Uso del Modelo Autorregresivo de Duración Condicional para predecir la caída del dólar en el mercado cambiario colombiano. Revista De Economía Del Rosario, 23(2), 1–16. https://doi.org/10.12804/revistas.urosario.edu.co/economia/a.8280
Referencias bibliográfica

Banco de la República. (1991-2020). Tasa representativa del mercado.Colombia. Recuperado de https://www.banrep.gov.co/es/estadisticas/trm

Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Economics, 31(3), 307-327.

Bonifaz, A. C. (2004). El dólar estadounidense: el impacto de sus fluctuaciones. Problemas del Desarrollo. Revista Latinoamericana de Economía, 35(136), 27-47.

Cheung, L. (2014). High frequency data: Modeling durations via the acd and log acd models. (Tesis de maestría, University of Connecticut).

Dey, S., Raheem, E., & Mukherjee, S. (2017). Statistical properties and different methods of estimation of transmuted Rayleigh distribution. Revista Colombiana de Estadística, 40(1), 165-203.

Engle, R. F., & Russell, J. R. (1997). Forecasting the frequency of changes in quoted foreign exchange prices with the autoregressive conditional duration model. Journal of empirical finance, 4(2-3), 187-212.

Engle, R. F., & Russell, J. R. (1998). Autoregressive conditional duration: A new model for irregularly spaced transaction data. Econometrica, 66(5), 1127-1162.

Farmer, R. E. (2012). The stock market crash of 2008 caused the great recession: Theory and evidence. Journal of Economic Dynamics and Control, 36(5), 693-707.

Henao, J. D. V., & Rivera, L. M. G. (2006). Modelado del índice de tipo de cambio real colombiano usando redes neuronales artificiales. Cuadernos de Administración, 19(32), 319-336.

Jalil, M. A., & Misas, M. (2007). Evaluación de pronósticos del tipo de cambio utilizando redes neuronales y funciones de pérdida asimétricas. Revista Colombiana de Estadística, 30(1), 143-161.

Tse, Y.-K., & Yang, T. T. (2012). Estimation of high-frequency volatility: An autoregressive conditional duration approach. Journal of Business & Economic Statistics, 30(4), 533-545.

Liu, S., & Tse, Y.-K. (2015). Intraday value-at-risk: An asymmetric autoregressive conditional duration approach. Journal of econometrics, 189(2), 437-446.

Merovci, F. (2013). Transmuted Rayleigh distribution. Austrian Journal of Statistics.

Alonso, J., & Patiño, C. (2005). Determinantes de la tasa de cambio nominal en Colombia: evaluación de pronósticos. https://repository.icesi.edu.co/biblioteca_digital/bitstream/10906/81321/1/alonso_tasa_cambio_2005.pdf

Pyrlik, V. (2013). Autoregressive conditional duration as a model for financial market crashes prediction. Physica A: Statistical Mechanics and its Applications, 392(23), 6041-6051.

Santana, J. C. (2006). Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana. Revista Colombiana de Estadística, 29(1), 77-92.

Shapiro, S. S., Wilk, M. B., & Chen, H. J. (1968), A comparative study of various tests for normality. Journal of the American Statistical Association, 63(324), 1343-1372.

Shaw, W. T., & Buckley, I. R. (2009). The alchemy of probability distributions: Beyond gram-charlier expansions, and a skew-kurtotic-normal distribution from a rank transmutation map. Recuperado de arXiv.or (0901.0434v1).

Tsay, R. S. (2005), Analysis of Financial Time Series. Hoboken, N. J.: Wiley.

Tsay, R. S. (2011), Acd.cmle r function. Recuperado de https://faculty.chicagobooth.edu/ruey.tsay/teaching/introTS/acd.R

Estadísticas de consulta

Descargas

Los datos de descargas todavía no están disponibles.
Métricas de publicación

656 109




 

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo al igual que licenciado bajo una Creative Commons Attribution License que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.