Resumen

La predicción de la covolatilidad de series de rendimiento de activos está convirtiéndose en un tema de extensa investigación entre académicos, profesionales y gestores de carteras. Este documento estima una variedad de modelos GARCH multivariados utilizando el precio de cierre semanal (en USD/barril) del petróleo crudo Brent y los precios de cierre semanales (en USD/libra) del café Arábica, y compara el rendimiento predictivo de estos modelos basados en datos intradía de alta frecuencia que permiten una medición más precisa de la volatilidad realizada. El estudio utilizó datos de precios semanales para modelar explícitamente la covolatilidad y empleó datos intradía de alta frecuencia para evaluar el rendimiento predictivo del modelo. El análisis apunta a la conclusión de que el modelo de correlación condicional variable (VCC) con términos de innovación distribuidos según la distribución de Student es el modelo más preciso para predecir la volatilidad en el contexto de nuestro entorno empírico. Recomend

• Materias:Gestión de riesgos Pronóstico de la covolatilidad Modelo de crecimiento Estimación de la media Función de error
• Subjects:Risk management Covolatility forecasting Growth model Mean estimation Error function
• Palabras claves:Pronóstico; Covolatilidad; Series de rendimiento de activos; Modelos GARCH multivariados; Datos intradía de alta frecuencia; Volatilidad realizada
• Keywords:Forecasting; Covolatility; Asset return series; Multivariate GARCH models; High-frequency intraday data; Realized volatility