Modelos para series temporales heterocedásticas

Abstract

Muchas series temporales financieras observadas con frecuencias elevadas y algunas series macroeconómicas son condicionalmente heterocedásticas. La modelización de la varianza condicional de dichas series es importante desde un punto de vista teórico para cualquier modelo que tenga en cuenta la incertidumbre. Además, desde un punto de vista econométrico, si se ignora la heterocedasticidad se puede incurrir en pérdidas de eficiencia en la estimación y en la construcción de intervalos de predicción. En el presente artículo, se revisan los principales modelos univariantes y multivariantes propuestos en la literatura para la modelización de la heterocedasticidad temporal: modelos basados en ARCH y modelos de volatilidad estocástica. Para cada modelo considerado se describen sus principales propiedades estocásticas así como su estimación, validación y predicción. En el caso univariante, los diferentes modelos descritos se ilustran con la modelización del Índice Largo diario de la Bolsa de Madrid.