Modelo

ARCH

Introduccin
Los modelos que hemos trabajado son
lineales.
Los modelos se pueden linealizar tomando
logaritmos.
El anlisis de series temporales se ha
trabajado bajo un esquema estacionario (con
transformaciones en caso de ser necesario).
Media cero
Varianza constante

NO SIEMPRE SE PUEDE MANTENER LA HIPOTESIS DE

VARIANZA CONSTANTE. ES NECESARIO REALIZAR
CONTRASTES DE VARIANZA CONSTANTE.
Problema de eficiencia de los estimadores, por
amplios intervalos de confianza (alta volatilidad).
Por ejemplo, las series financieras no presentan, en general,
una varianza o variabilidad constante.
Las estructuras lineales son incapaces de explicar determinados
aspectos que suelen estar presentes en las series financieras.

En series financieras, la varianza presenta:

COMPORTAMIENTO AUTOREGRESIVO:
variabilidad actual suele depender del
comportamiento voltil habido en el pasado.
CONTAGIO: los periodos en los que la volatilidad
es alta suele mantenerse en el tiempo, lo mismo
ocurre en periodos de baja volatilidad.
ASIMETRIA: las cadas son ms intensas y
bruscas que las subidas.

En los mercados financieros, la estabilidad o

inestabilidad se suele relacionar con su
comportamiento anterior y que tras un
sobresalto se produce una variabilidad que
dura un cierto periodo de tiempo, tras el cual
vuelve a la normalidad.
En definitiva, dicha variabilidad se refleja en la
varianza, que no ser constante.
Existen diferentes tipos de modelos no lineales,
entre ellos, los ms populares son los ARCH y
GARCH para predecir la volatilidad.

Modelo ARCH
Modelo Auto Regresivo con Heterocedasticidad Condicional
Engle (1982) introduce una nueva clase de procesos estocsticos
llamados modelos ARCH, en los cuales la varianza condicionada a
la informacin pasada no es constante y depende del cuadrado
de las innovaciones pasadas.
Determinan un patrn de comportamiento estadstico para la
varianza.
La informacin pasada de una variable y su volatilidad son
factores que explican su comportamiento presente y , por tanto,
podr ser extrapolado a futuro.
Un modelo que atienda en la prediccin a los valores de la
varianza en el pasado servir para realizar estimaciones a futuro
ms precisas.

En los modelos manejados se ha trabajado bajo hiptesis

de estacionariedad
Los residuos del modelo tienen estructura de ruido
blanco
Son lineales
Distribuciones normales simtricas
En el ruido blanco:
E(at )= 0
Var(at )=
Cov(at ,at-j )=0 para todo j
Bajo estos supuestos, la correlacin indica
independencia temporal. Es decir, no existe informacin
en el pasado que sirva para predecir el futuro. No se

El que no exista correlacin temporal en un modelo

lineal no significa que sta no pueda existir de
forma no lineal.
Puede haber alguna relacin de forma cuadrtica u
otra forma no lineal.
Los modelos ARCH son utilizados para modelizar y
predecir volatilidad.
Se diferencia de los modelos ARIMA en que los
modelos ARCH trabajan con series heterocedasticas.
No son modelos excluyentes.

ARCH(q)

El proceso
es un proceso idnticamente
distribuido, con media nula y varianza unitaria (
es un factor denominado volatilidad)
Si
es gaussiano y se distribuye como una
normal,
es condicionalmente normal y su
varianza es
Los parmetros han de ser positivos. La suma de
ha de ser menor que uno, para garantizar la
estacionariedad.

Debilidades de modelo
ARCH
El modelo asume que los shocks positivos y los
negativos tienen el mismo efecto sobre la
volatilidad ya que sta depende del cuadrado de
los shocks pasados. En la prctica, es bien
sabido que el precio de un activo financiero
responde de manera diferente a los impactos
positivos y negativos.
Los modelos ARCH son bastante restrictivos. Para
modelos ARCH de orden superior a uno, las
restricciones resultan ms complejas y el
proceso de estimacin es ms costoso.

Debilidades de modelo
ARCH
Generalmente, los modelos ARCH requieren un
nmero elevado de retardos para describir el
proceso de volatilidad.
Los modelos ARCH consiguen describir el
comportamiento de la varianza condicionada,
pero no explican las causas de dicho
comportamiento.

FUENTES
http://www.est.uc3m.es/esp/nueva_doc
encia/comp_col_get/lade/Econometria_
II_NOdocencia/Documentaci%C3%B3n%20y
%20apuntes/TEMA%2011_Introducci%C3%B
3n%20a%20la%20econometr%C3%ADa%20fin
anciera.%20Modelos%20ARCH.pdf
http
://www.scielo.org.co/scielo.php?script=sci
_arttext&pid=S012147722008000100011