Prueba de sesgo sobre rendimientos financieros en el mercado colombiano

Marisol Valencia; Jhon Bedoya

doi:10.17533/udea.le.n80a3

Autores/as

Marisol Valencia Universidad Nacional de Colombia
Jhon Bedoya Universidad Nacional de Colombia

DOI:

https://doi.org/10.17533/udea.le.n80a3

Palabras clave:

Decisiones de Inversión, Economía Financiera, Distribuciones Específicas, Comportamiento Financiero

Resumen

La caracterización de los rendimientos financieros depende, en gran medida, de su comportamiento probabilístico, el cual puede ser mal ajustado, conduciendo así a malas decisiones económicas relacionadas con valoración de activos, asignación de cartera y/o medición del riesgo de mercado. En este trabajo se propone una prueba que permita determinar el ajuste de los rendimientos del Índice General de la Bolsa de Valores de Colombia (IGBC) a las siguientes distribuciones: Normal, Normal Sesgada y T Sesgada. Además, se mide el nivel de sesgo y se compara el desempeño de la prueba propuesta con otra prueba existente, usada únicamente para la detección de asimetría. Se encuentra que la prueba propuesta permite caracterizar los rendimientos del mercado de valores colombiano con una de las distribuciones de probabilidad, a diferencia de la otra prueba, que sólo advierte sobre la existencia de sesgo y no establece la distribución que representa su comportamiento.

|Resumen

= 297 veces | PDF

= 185 veces| | HTML

= 111 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Marisol Valencia, Universidad Nacional de Colombia

Investigadora y PhD(c) Universidad Nacional de Colombia.

Jhon Bedoya, Universidad Nacional de Colombia

Investigador y MI (c) en Ingeniería Administrativa. Universidad Nacional de Colombia.

Citas

Arellano-Valle, Reinaldo; Bolfarine, Heleno & Lachos, Víctor (2005). “Skew- Normal Linear Mixed Models”, Journal of Data Science, Vol. 3, pp. 415–438.

Azzalini, Adelchi (1985). “A class of distributions which includes the Normal ones”, Scandinavian Journal of Statistics, Vol.12, No. 2, pp. 171–178.

Azzalini, Adelchi & Dalla Valle, Alessandra (1996). “The Multivariate Skew-Normal Distribution”, Biometrika, Vol.83, No.4, pp. 715–726.

Azzalini, Adelchi & Capitanio, Antonella (1999). “Statistical applications of the multivariate skew Normal distribution”, Journal of the Royal Statistical Society: Series B, Vol. 61, No. 3, pp. 579–602. Retrieved from http://onlinelibrary.wiley.com/doi/10.1111/1467-9868.00194/abstract (Abril de 2013).

Bolfarine, Heleno; Montenegro, Lourdes & Lachos, Víctor (2007). “Influence Diagnostics for Skew-Normal Linear Mixed Models”, Sankhya: The Indian Journal of Statistic, Vol. 69, Part. 4, pp. 648–670.

Caicedo, Edinson; Claramunt, Mercé & Casanovas, Monserrat (2011a). “Teoría actuarial en la cuantificación de las pérdidas por exposición a riesgo de crédito: una aplicación al mercado colombiano”, Academia: Revista Latinoamericana de Administracion, No. 47, pp. 112–125. Recuperado de: http://revistaacademia.uniandes.edu.co/index.php/Cladea/article/ viewFile/421/492 (Abril de 2013).

Caicedo, Edinson; Claramunt, Mercé & Casanovas, Monserrat (2011b). “Medición del riesgo de crédito mediante modelos estructurales: una aplicación al mercado colombiano”,Cuadernos de Administración, Vol. 24, No. 42, pp. 73–100. Recuperado de: http://www.redalyc.org/ pdf/205/20520042004.pdf (Abril de 2013).

Chunhachinda, Pornchai; Dandapani, Krishnan; Hamid, Shahid & Prakash, Arun (1997). “Portfolio selection and skewness: Evidence from international stock markets”, Journal of Banking & Finance,Vol. 21, Issue 2, pp. 143–167. Recuperado de: http://www.sciencedirect.com/science/ article/pii/S0378426696000325 (Septiembre de 2013).

Dubova, Irina (2005). “La validación y aplicabilidad de la teoría de portafolio en el caso colombiano”, Cuadernos de Administración, Vol. 18, No.30, pp. 241–279.

Duran−Vasquez, Rocío; Lorenzo−Valdes, Arturo & Ruiz−Porras, Antonio (2013). “A GARCH model with autorregresive conditional asym¬metry to model time-series: An application to the returns of the Mexican stock market index”, MPRA Paper, No. 46328. Munich Personal Re-PEc Archive. Recuperado de: http://mpra.ub.uni-muenchen.de/46328/ (Abril de 2013).

Fernández, Horacio (2010a). “Egarch: un modelo asimétrico para estimar la volatilidad de series financieras”, Revista Ingenierías Universidad de Medellín, Vol. 9, No.16, pp. 49–60.

Fernández, Horacio (2010b). “Una aplicación del modelo EGARCH para estimar la volatilidad de series financieras”, Revista Ingenierías Universidad de Medellín, Vol. 9, No.17, pp. 95–104. Recuperado de: http://www. redalyc.org/articulo.oa?id=75017164005 (Enero de 2013).

Grajales, Carlos & Pérez, Fredy (2010). “Valor en riesgo para un portafolio con opciones financieras”, Revista Ingenierías Universidad de Medellín, Vol.9, No. 17, pp. 105–118. Recuperado de: http://www.redalyc.org/ pdf/750/75017164014.pdf (Mayo de 2013).

Hull, John (2009). Introducción a los mercados de futuros y opciones (6ta. Ed.). Mexico D.F.:Pearson.

León, Carlos & Vivas, Francisco (2010). “Dependencia de largo plazo y la regla de la raíz del tiempo para escalar la volatilidad en el mercado colombiano”, Borradores de economía, No. 603. Banco de la República de Colombia.

Lisi, Francesco (2007). “Testing asymmetry in financial time series”, Quantitative Finance, Vol. 7, Issue 6, pp. 687–696.

Mandelbrot, Benoît & Hudson, Richard (2006). Fractales y finanzas (1a Ed.). Barcelona: Editorial Tusquets.

Pérez, Fredy & Fernández, Horacio (2006). “Análisis de la volatilidad del índice general de la bolsa de valores de Colombia utilizando modelos ARCH”, Revista de Ingenierías Universidad de Medellín, Vol. 5, No. 8, pp. 13–33. Recuperado de: http://www.redalyc.org/pdf/750/75050803.pdf (Mayo de 2013).

Peters, Edgar E. (1994). Fractal Market Analysis: Applying Chaos Theory to Investment and Economics. New York: Wiley.

Valencia, Marisol (2010). Estimación en modelos lineales mixtos con datos continuos usando transformaciones y distribuciones no normales. Tesis para optar al título de Magíster en Estadística. Escuela de Estadística. Univer¬sidad Nacional de Colombia, Sede Medellín.

Vera, Rocío (2005). “Reseña de la metodología de construcción de los indi¬cadores más utilizados en Colombia: IPC, IPP, ITCR, IGBC”, Apuntes de Economía, No. 6. Recuperado de: http://www.icesi.edu.co/departamentos/economia/publicaciones/docs/Apecon6.pdf (Abril de 2013).

Vernic, Raluca (2005). “On the multivariate Skew-Normal distribution and its scale mixtures”, An. St. Univ. Ovidius Constanta, Vol. 13, No. 2, pp. 83–96. Recuperado de: http://www.emis.ams.org/journals/ASUO/ mathematics/pdf10/83_96_RVernic.pdf (Junio de 2013).