Resumen

Este trabajo, presentado como el modelo fuzzy-EGARCH-ANN (red neuronal artificial autorregresiva condicional heterocedástica generalizada exponencial difusa), no requiere calibración continua del modelo si se utiliza el algoritmo DE correspondiente de manera apropiada, pero otros modelos como GARCH, EGARCH y EGARCH-ANN necesitan calibración y validación continua del modelo para ajustarse muy bien a los datos y a la realidad hasta la precisión deseada. Además, se realiza un análisis robusto de pronóstico de volatilidad de los datos diarios del S&P 500 recopilados de Yahoo Finance para el período diario que abarca del 1/3/2006 al 20/2/2020. Hasta donde sabemos, este es el primer estudio que se centra en los datos diarios del S&P 500 utilizando datos de alta frecuencia y el modelo econométrico fuzzy-EGARCH-ANN. Por último, la investigación concluye que el modelo que mejor se desempeña en términos de pronósticos de un paso adelante basado en la volatilidad realizada calculada a partir

• Materias:Anillos Modelos dinámicos Teoría de grupos Variedades de curvas Ecuación diferencial
• Subjects:Rings Dynamic models Group theory Varieties of curves Differential Equation
• Palabras claves:Fuzzy-egarch-ann; Modelo; Datos diarios del S&P 500; Pronóstico de volatilidad; Datos de alta frecuencia; Volatilidad realizada
• Keywords:Fuzzy-egarch-ann; Model; Daily s&p 500 data; Volatility forecasting; High-frequency data; Realized volatility