Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Vol. 36 Núm. 63 (2017)

Teoría económica

La volatilidad del tipo de cambio paralelo en Venezuela 2005-2015

https://doi.org/10.19053/01203053.v36.n63.2017.5312

Publicado 2017-02-08

  • Laura Daniela Castillo Paredes
    • ,
  • Josefa Ramoni Perazzi

Laura Daniela Castillo Paredes
Universidad de Los Andes

Josefa Ramoni Perazzi
Universidad de Santander

Resumen

El tipo de cambio paralelo constituye una de las principales variables económicas para la toma de decisiones en Venezuela. Para analizar el comportamiento de esta variable tomando en cuenta sus características inherentes, exceso de curtosis, persistencia y asimetría, se hace una síntesis teórica de los principales  modelos estocásticos de volatilidad  y, se estima un conjunto de modelos.  El modelo que mejor ajusta el comportamiento de la variable es un EGARCH (1,1), que captura el efecto asimétrico de las perturbaciones estocásticas sobre la serie. Ante choques negativos (depreciación del tipo de cambio paralelo), la volatilidad asociada se incrementa, pero para choques positivos (apreciación del tipo de cambio paralelo), se mantiene constante.

Palabras clave

tipo de cambio paralelo, volatilidad, persistencia, modelos estocásticos de volatilidad, EGARCH.

PDF XML

Archivo(s) complementario(s)

TablaNº.1. Tabla Nº.2. Principales agregados macroeconómicos de Venezuela 2005-2015 Tabla Nº.3. Momentos de un proceso ARCH(1) Tabla Nº.4. Momentos de un proceso GARCH(1,1) Tabla Nº.5. Estadísticas descriptivas del tipo de cambio paralelo de Venezuela, 2005-2015. Tabla Nº. 6. Pruebas de normalidad del tipo de cambio paralelo Tabla Nº. 7. Pruebas de normalidad de las transformaciones del tipo de cambio paralelo Tabla Nº. 8. Estadísticas de los rendimientos del tipo de cambio paralelo de Venezuela, 2005-2015 Tabla Nº. 9. Autocorrelaciones de los rendimientos del tipo de cambio paralelo Tabla Nº.10. Pruebas de linealidad de los rendimientos del tipo de cambio paralelo Tabla Nº. 11. Estimación de efectos ARCH Tabla Nº. 12. Síntesis de los modelos de la familia ARCH estimados Tabla Nº.13. Test de estabilidad y sesgo de signo del modelo EGARCH estimado Ilustración Nº. 1. Tipo de cambio oficial Vs. tipo de cambio paralelo en Venezuela (Bs/US$), 2005-2015 Ilustración Nº. 2. Transformaciones del tipo de cambio paralelo en Venezuela Ilustración Nº. 3. : AFC, PACF y Periodograma acumulado de RTCP. Ilustración Nº. 4. Rendimientos del TCP Ilustración Nº.5. Gráficos de ajuste del modelo ARMA(2,1) - EGARCH(1,1) Continuación Ilustración Nº.5. Ilustración Nº.6. Predicciones del modelo EGARCH estimado. Apéndice Nº 1. Diagnóstico de los residuos de los modelos estimados.

Biografía del autor/a

Laura Daniela Castillo Paredes

Economista de la Universidad de Los Andes. Venezuela. Magister en Estadística de la Universidad de Los Andes, Venezuela. Profesora Asistente adscrita al Departamento de Economía de la Universidad de Los Andes, Mérida -Venezuela.

Josefa Ramoni Perazzi

Economista de la Universidad de Los Andes, Venezuela. Magister en Estadística de la Universidad de Los Andes. PhD en Economía de la Universidad  de South Florida, Estados Unidos. Profesora Titular jubilada de la Universidad de Los Andes, Mérida-Venezuela. Profesora Titular de la Universidad de Santander.

Referencias

  1. Arias, F. (2006). El proyecto de investigación. Introducción a la metodología científica (Quinta ed.). Caracas: Episteme.
  2. Baillie, R. (2006). Modelling Volatility, Handbook of Econometrics (Vol. 1). (E. T. a. Patterson, Ed.) New York: Palgrave Macmillan.
  3. Banco Central de Venezuela. (2016). Obtenido de http://www.bcv.org.ve/
  4. Berndt, E., Hall, B., Hall, R. y Hausman, J. . (1974). Estimation lnference in nonlinear Structural Models. Annals of the Economic and Social Measurement, Vol. 4, 653-665.
  5. Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedastic. Journal of Econometrics(Nº 31), 307-327. DOI: https://doi.org/10.1016/0304-4076(86)90063-1
  6. Bollerslev, T. y Wooldrige, J. (1992). Quasi-maximum likelihood estimation and inference in Dynamic models with time-varying covariances. Econometric Reviews, Vol. 11(Nº 2), 143-172. DOI: https://doi.org/10.1080/07474939208800229
  7. Breusch, T.y Pagan, A. (1978). A Simple Test for Heterocedasticity and Random Coefficient Variance. Econometrica, Vol. 46, 1287-1294. DOI: https://doi.org/10.2307/1911963
  8. Brock, W., Dechert,W. , Scheinkman J, y LeBaron, B. (1996). A test for independence based on the correlation dimension. Econometric Reviews, Vol. 3(Nº 15), 197-235. DOI: https://doi.org/10.1080/07474939608800353
  9. Campbell, A. (1987). Stock Returns and Term Structure. Journal of Financial Economics, Vol. 18, 373-399. DOI: https://doi.org/10.1016/0304-405X(87)90045-6
  10. Decreto con Rango Fuerza y Valor de Ley del Régimen Cambiario y sus Ílicitos. (20 de febrero de 2014). Gaceta Oficial de la República Bolivariana Nº 6.126. Recuperado el 13 de julio de 2016, de www.tsj.gob.ve/gaceta-oficial
  11. Ding, Z., Granger, C. y Engle, R. (1993). A long memory property of stock market returns and a new model. Journal of Empirical Finance, 83-106. DOI: https://doi.org/10.1016/0927-5398(93)90006-D
  12. Dornbusch, R., Fischer, S. y Startz, R. (2009). Macroeconomía (Décima ed.). México, D.F.: McGraw Hill.
  13. Ecoanalítica. (Diciembre de 2014). Entorno y Política Cambiaria. Caracas . Obtenido de http://ecoanalitica.com/?wpfb_dl=179
  14. Engle, R. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica, Vol. 50(Nº 4), 987-1007. DOI: https://doi.org/10.2307/1912773
  15. Engle, R. y Bollerslev, T. (1986). Modelling the Persistence of Conditional Variance. Econometric Reviews, Vol. 5, 1-50. DOI: https://doi.org/10.1080/07474938608800095
  16. Fama, M. (1963). Risk Returm and Equilibrium: Empirical Test. Jorunal of Financial Economics, Vol. 71, 607-636. DOI: https://doi.org/10.1086/260061
  17. Figlewski, S. (1997). Forecasting Volatility. Financial Markets, Institutions and Instruments, Vol. 6(Nº 1), 2-87. DOI: https://doi.org/10.1111/1468-0416.00009
  18. Glosten, L.; Jagannathan, R. y Runkle, D. (1993). Relationships between the expected value and the volatility of the nominal excess return on stocks. Northwestern University: Mimeo. DOI: https://doi.org/10.21034/sr.157
  19. Godfrey, L. (1978). Testing Against General Autoregressive and Moving Average Models when the Regressors include Lagged Dependent Variables. Econometrica, Vol. 46, 1294-1302. DOI: https://doi.org/10.2307/1913829
  20. Hansen, B. (1992). Tests for Parameter Instability in Regressions with I(1) Processes. Journal of Business and Economic Statistics, Vol. 10, 321-336. DOI: https://doi.org/10.2307/1391545
  21. Hansen, P. y Lunde, A. . (2005). A forecast comparison of volatility models: does anything beat a GARCH (1,1)? Journal of Applied Econometrics, Vol. 20, 873-889. DOI: https://doi.org/10.1002/jae.800
  22. Harvey, A. (1981). The Econometric Analysis of Time Series. Oxford: Phillip Alan.
  23. Hentschel, L. (1995). All in the family Nesting symmetric and asymmetric GARCH models. Journal of Financial Economics, Vol.39, 71-104. DOI: https://doi.org/10.1016/0304-405X(94)00821-H
  24. Hsieh, D. (1995). Nonlinear Dynamics in Financial Markets Evidence and Implications. Duke: Institute for Quantitative Research in Finance. DOI: https://doi.org/10.2469/faj.v51.n4.1921
  25. Klien, B. (1977). The demand for quality-adjusted cash balances: price uncertainty in the U.S. demand for money function. Journal of Political Economy, Vol. 85, 692-715. DOI: https://doi.org/10.1086/260596
  26. Mandelbrot, B. (1963). The variation of certain speculative prices. Journal of Business, Vol. 36, 394-419. DOI: https://doi.org/10.1086/294632
  27. Márquez, M. (2002). Modelo setar aplicado a la volatilidad de la rentabilidad de las acciones: algoritmos para su identificación. Tesis de Maestría en Estadística. Barcelona: Universitat Politècnica de Catalunya.
  28. McLeod, A. y Li, W. (1983). Diagnostic checking ARMA time series models using squared residual autocorrelations. Journal of Time Series Analysis, Vol. 4, 269-273. DOI: https://doi.org/10.1111/j.1467-9892.1983.tb00373.x
  29. Milhoj, A. (. (1987). A multiplicative parametrization of ARCH models. Institute of Statistics.: Research Report 101, University of Copenhagen.
  30. Nelson, D. B y Cao, C. Q. (1992). Inequality constraints in the univariate GARCH model. Journal of Business & Economic Statistics, Vol. 10, 229-235. DOI: https://doi.org/10.1080/07350015.1992.10509902
  31. Nelson, D. B. (1991). Conditional Heterocedasticity in asset returns: a New Approach. Econometrica, Vol. 59, 347-370. DOI: https://doi.org/10.2307/2938260
  32. Nyblom, J. (1989). Testing for the Constancy of Parameters Over Time. Journal of the American Statistical Association, Vol. 84(Nº 405), 223-230. DOI: https://doi.org/10.1080/01621459.1989.10478759
  33. Poon, S. y Granger, C. (2003). Forecasting Volatility in Financial Markets: A review. Journal of Economic Literature, Vol. XLI, 478-539. DOI: https://doi.org/10.1257/jel.41.2.478
  34. Poterba, J. y Summers, L. (1986). The Persistence of Volatility and Stock Market Fluctuations. American Economic Review, Vol. 76, 1142-1151.
  35. Sánchez, A. y Reyes, M. (2006). Regularidades probabilísticas de las series financieras y la familia de modelos GARCH. Ciencia Ergo Sum, Vol. 13(Nº 2), 149-156.
  36. Taylor, S. (1986). Modelling Financial Time Series. New York: John Wiley.
  37. The R Project for Statistical Computing. (20 de julio de 2016). Obtenido de http://cran.r-project.org/manuals.html
  38. Tsay, R. (1986). Nonlinearity test for time series. Biometrika, Vol.76, 461-466. DOI: https://doi.org/10.1093/biomet/73.2.461
  39. Zakoian, J. (1990). Threshold heteroskedastic model. Paris: INSEE: Mimeo.

Descargas

Los datos de descargas todavía no están disponibles.

Artículos similares

<< < 3 4 5 6 7 8 9 10 11 12 > >> 

También puede {advancedSearchLink} para este artículo.