Pronóstico de variabilidad diaria del índice IPSA usando mediciones de volatilidad diaria histórica

Abstract

El presente trabajo tiene como objetivo el desarrollo de modelos econométricos que permitan generar pronósticos de la variabilidad diaria del índice IPSA, los datos utilizados corresponden a la rentabilidad diaria al cuadrado del índice IPSA para el periodo del 3 de enero del 2003 al 19 de noviembre del 2012. La serie de tiempo ha sido modelada bajo la perspectiva de los modelos ARMA (Autoregresivo de Media Móvil), ARFIMA (Autoregresivo Fraccionalmente Integrado de Media Móvil), GARCH (Autoregresivos Generalizados de Heterocedasticidad Condicional) y SV (Volatilidad Estocástica). Para la generación de los pronósticos se implementó un procedimiento de “Ventana Móvil” de datos para la estimación del pronóstico del “día siguiente” del periodo, con esta estrategia se elaboraron pronósticos para el periodo del 02 de mayo del 2011 al 19 de noviembre del 2012. Para la conclusión de la superioridad del desempeño de un modelo frente otro, se realizaron pruebas con el estadístico SPA, bajo los criterios de las funciones de pérdida MSE (error medio cuadrático) y MAD (desviación media absoluta). La evidencia final mostró que el modelo GARCH presentó el mejor desempeño frente a los demás modelos en estudio.The objective of the present work is the development of econometric models that allow generating forecasts of the daily variability of the index IPSA, the data which were used correspond to the squared daily profitability of the index IPSA for the period from 3 January 2005 to 19 November 2012. The time series has been modeled under the perspective of the ARMA models (Autoregressive Moving Average), ARFIMA (Autoregressive Fractionally Integrated Moving Average) GARCH (generalized autoregressive conditional heteroskedasticity) and SV (Stochastic Volatility). For the creation of the forecasts, a “rolling window” protocol was implemented for the forecast’s estimation of “one-day ahead” of the period. Using this strategy, forecasts were produced for the period from 02 May 2011 to 19 November 2012. For realizing the superior performance of a model in relation to other, statistical tests SPA were done, under the criteria of the MSE loss functions (mean squared error) and MAD (mean absolute deviation). The final evidence showed that the GARCH model presented the best performance in relation to the others studied models.