Please use this identifier to cite or link to this item: http://repositorio.udes.edu.co/handle/001/610
Full metadata record
DC FieldValueLanguage
dc.contributor.authorAlvarado Méndez, Caludia M.-
dc.date.accessioned2018-11-19T22:22:53Z-
dc.date.available2018-11-19T22:22:53Z-
dc.date.issued2017-07-31-
dc.identifier.urihttp://repositorio.udes.edu.co/handle/001/610-
dc.description114 p. Cdspa
dc.description.abstractEl estudio comprendió la aplicación de los modelos econométricos más utilizados para medir volatilidades, en series de tiempos; con el objetivo de definir el más significativo para el cálculo de la volatilidad del precio del plomo (Pb). Se lleva a cabo en dos momentos con dos series de datos diferentes, siendo, una la serie original de junio de 2010 a junio de 2015, que al realizar el test de normalidad y de estacionalidad, arroja rechazo de la H0, además su histograma refleja una distribución leptocúrtica, típica de series de tiempo volátiles, mostrando un posible ajuste con los modelos ARIMA, posteriormente se utilizan los modelos GARCH – ARCH, estimando el componente GARCH de los residuos para estimar la varianza. Seguidamente se incorpora los modelos de tipo ARCH, presentando poco ajuste, ya que existe un cambio brusco de estructura a partir del mes de abril de 2011, lo que conlleva a determinar una nueva serie de datos a partir de mayo de 2011 a junio de 2015. Los resultados mostraron las siguientes conclusiones: Los residuos de ningún modelo, manifestaron ser ruido blanco, por lo que los modelos más significativos y de mejor ajuste, fueron escogidos mediante los criterios de información de (AIC) y (BIC). Las series de rendimientos analizadas, son asimétricas y leptocúrticas, ya que su varianza es muy cambiante con el paso del tiempo, se alternan periodos de poca volatilidad, seguidos de otros de alta volatilidad, denotando una persistencia de la misma, siendo una función determinística del comportamiento histórico y por lo tanto de los modelos ARCH – GARCH. La volatilidad hallada, para los dos periodos estudiados, muestran que se tienen mayores picos tanto alcistas como bajistas, para el periodo de mayo de 2011 a junio de 2015, teniendo mayor riesgo de inversión, ya que el precio es más inestable, presentando mayores oscilaciones. .spa
dc.description.tableofcontentsTabla de contenido Lista de tablas ………………………………………..……………………………………….. 4 Lista de figuras ……………………………..……………………………………………..….. 6 Introducción .………………………………………………………………………………… 7 Agradecimientos .............................................................................................................................. 4 Resumen ........................................................................................................................................ 10 1 Fundamentos Teóricos ............................................................................................................ 17 1.1 Volatilidad ........................................................................................................................ 17 1.2 Modelos Econométricos ................................................................................................... 20 2 Estudio del Comportamiento del Precio del Plomo (Pb) en los Mercados Internacionales Durante el Periodo Establecido. ......................................................................................................... 21 3 Modelos Econométricos para Estimar Volatilidad .................................................................. 29 4 Definir el Modelo Econométrico más Significativo para el Cálculo de la Volatilidad del Precio del Plomo. ........................................................................................................................................... 39 5 Medir la Volatilidad del Precio del Plomo para el Periodo Definido ..................................... 64 Conclusiones ................................................................................................................................ 114 Referencias Bibliográficas ........................................................................................................... 116spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherBucaramanga : Universidad de Santander, 2017spa
dc.rightsDerechos Reservados - Universidad de Santander, 2017spa
dc.titleDeterminación de la volatilidad del precio del plomo, en los mercados internacionales a través de un modelo econométricospa
dc.typeTrabajo de grado - Maestríaspa
dcterms.bibliographicCitationAndersen, T., Bollerslev, T., & Ashish, D. (2001). Variance-Ratio Statistics and High-. Testing for Changes in Intraday Volatility .The Journal of.spa
dcterms.bibliographicCitationAraya, J. L. (Marzo de 2014). Repositorio Universidad de Chile . Obtenido de http://repositorio.uchile.cl/handle/2250/116072spa
dcterms.bibliographicCitationArize C., A., Osang , T., & Slottje, D. (2005). Exchange-Rate Volatility in Latin America and its Impact on Foreign Trade. Texas.spa
dcterms.bibliographicCitationBurga Ramos, V. (2014). Precios de los metales - Factores que determinarán su evolución en el 2014- 2015. Desde Adentro, 54. Obtenido de https://issuu.com/sociedadmineroenergetica/docs/revista131spa
dcterms.bibliographicCitationDe la Cuba , M., & Ormeño, A. (s.f.). La volatilidad del sector primario exportador:. Estudios Económicos.spa
dcterms.bibliographicCitationEduardo Sánchez López, A. B. (Septiembre - Diciembre de 2013). Red de Revistas Científicas de América Latina y el Caribe, España y Portugal REDALYC. Obtenido de http://www.redalyc.org/html/939/93929595004/spa
dcterms.bibliographicCitationGarcía Centeno, M. d. (s.f.). Volatilidad. Obtenido de Recuperado de: http://www.expansion.com/diccionario-economico/volatilidad.htmlspa
dcterms.bibliographicCitationGil Zapata, M. M., & Maya Ochoa, C. (2008). Modelación de la volatilidad de los precios de la energía eléctrica en Colombia. Revista Ingenierías Universidad de Medellín, 88-114.spa
dcterms.bibliographicCitationGómez, R. S. (2013). Obtenido de http://www.ugr.es/~romansg/material/WebEco/master.pdfspa
dcterms.bibliographicCitationLlinás, M. A. (2012). Incidencia de la volatilidad de los precios del. Desarrollo & Sociedad, 1-66.spa
dcterms.bibliographicCitationLópez Dominguez, I. (2008). Análisis de votalidad y correlación en serios de precios: Aplicación a los precios del aceite de oliva. Revista EAN No. 64: septiembre-diciembre de 2008 p.67-88.spa
dcterms.bibliographicCitationManual de opciones y futuros. (s.f.). Obtenido de https://www.activobank.com/applic/cms/jsps/activo/g3repository/PDF/OPCAP3_CAPITUL O3.PDFspa
dcterms.bibliographicCitationMendoza, O. J. (Julio de 2015). Repositorio Javeriana . Obtenido de https://repository.javeriana.edu.co:8443/handle/10554/18499spa
dcterms.bibliographicCitationSNMPE, S. N. (2012). Informe Quincenal .spa
dcterms.bibliographicCitationSociedad Nacional de Míneria, P. y. (2015). Informe Quincenal .spa
dc.contributor.roleLuna González, Edgarspa
dc.identifier.localT 83.17 A591d-
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercialspa
dc.subject.proposalVolatilidadspa
dc.subject.proposalModelos econométricosspa
dc.subject.proposalDistribución leptocúrticaspa
dc.subject.proposalCommoditiesspa
dc.type.dcmi-type-vocabularyTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dc.description.abstractenglishThe study included the application of the econometric models most used to measure volatilities, in time series; With the objective of defining the most significant for the calculation of lead price volatility (Pb). It is carried out in two moments with two different data series, being one, the original series from June 2010 to June 2015, that when performing the test of normality and seasonality, throws rejection of the H0, in addition its reflex histogram A leptokurtic distribution, typical of volatile time series, showing a possible adjustment with the ARIMA models, later the GARCH - ARCH models were used, estimating the GARCH component of the residues to estimate the variance. Then ARCH type models are incorporated, presenting little adjustment, since there is a sudden change of structure as of April 2011, which entails determining a new dataset from May 2011 to June 2015 . The results showed the following conclusions: The residuals of any model were considered to be white noise, so that the most significant and best fit models were chosen using the information criteria of (AIC) and (BIC). The series of yields analyzed are asymmetric and leptocúrticas, since their variance is very changing with the passage of time, alternate periods of low volatility, followed by others of high volatility, denoting a persistence of the same, being a deterministic function of the Historical behavior and therefore of the ARCH - GARCH models. The volatility found, for the two periods studied, show that there are higher spikes both bulls and bearers, for the period from May 2011 to June 2015, having a higher investment risk, since the price is more unstable, with higher oscillations .spa
dc.thesis.nameMaestría en Finanzasspa
dc.thesis.discipline Facultad Ciencias Económicas, Administrativas y Contables - Maestría en Finanzasspa
dc.thesis.levelMaestríaspa
Appears in Collections:AAIA. Trabajos de grado



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.