Resumen de Paper: Rendimiento de la predicción de la volatilidad del sector utilizando modelos GARCH y Redes Neuronales Artificiales

Resumen de Paper: Rendimiento de la predicción de la volatilidad del sector utilizando modelos GARCH y Redes Neuronales Artificiales 
[Curtis Nybo (2020), doi=https://arxiv.org/abs/2110.09489]

Recientemente, las redes neuronales (Artificial Neural Networks-ANN) han tenido éxito en la predicción de la volatilidad, pero la literatura está dividida sobre dónde se debe usar las ANN en lugar del modelo GARCH común.

El propósito de este estudio es comparar el desempeño de predicción de volatilidad de los modelos ANN y GARCH cuando se aplica a acciones con perfiles de volatilidad baja, media y alta. Este enfoque tiene como objetivo identificar qué modelo se debe utilizar para cada caso. 
Los perfiles de volatilidad comprenden cinco sectores que cubren todas las acciones en el mercado de valores de EE. UU. de 2005 a 2020.

Se examinan tres especificaciones GARCH y tres arquitecturas ANN para cada sector, donde se elige el modelo más adecuado para pasar a la previsión.

Los resultados indican que el modelo ANN debe usarse para predecir la volatilidad de activos con perfiles de baja volatilidad, y los modelos GARCH deben usarse para predecir la volatilidad de activos de media y alta volatilidad.

Comments

Popular posts from this blog

Endogeneidad y Exogeneidad en los Modelos Econométricos [MARTIN, JM.]

¿El manejo de Base de Datos es Econometría? [MARTIN C, J.M.]

Martin (2021) ¿Qué es el círculo vicioso de la validación econométrica?