Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
¿Tienes curiosidad por el pulso de los mercados financieros? ¿Quieres saber cuándo un mercado estable se vuelve turbulento? En este curso sobre modelos GARCH aprenderás un enfoque prospectivo para equilibrar riesgo y rentabilidad en la toma de decisiones financieras. El curso avanza gradualmente desde el modelo GARCH(1,1) normal estándar hasta modelos de volatilidad más avanzados con efecto apalancamiento, especificación GARCH en la media y el uso de la distribución t de Student asimétrica para modelar rendimientos de activos. Las aplicaciones sobre rendimientos de acciones y tipos de cambio incluyen la optimización de carteras, la evaluación de previsiones con ventana rodante, la predicción del valor en riesgo y el estudio de covarianzas dinámicas.
Requisitos previos
Programa de formación
Contenido del curso
1
El modelo GARCH estándar como modelo de referencia
Vamos a empezar ensuciándonos las manos. Un análisis con ventana rodante de rendimientos diarios de acciones muestra que su desviación estándar cambia de forma notable a lo largo del tiempo. Mirando al pasado, tenemos evidencia clara de volatilidad cambiante en el tiempo. Mirando al futuro, necesitamos estimar la volatilidad de los rendimientos futuros. ¡Esto es, en esencia, lo que hace un modelo GARCH! En este capítulo, aprenderás lo básico para usar el paquete rugarch a la hora de especificar y estimar el modelo GARCH(1,1) de referencia en R. Terminamos mostrando su utilidad en la asignación táctica de activos.
- Analizar la volatilidad50 XP
- Cálculo de rentabilidades100 XP
- Desviación estándar en submuestras100 XP
- Rueda, rueda, rueda100 XP
- La ecuación GARCH para predecir la volatilidad50 XP
- Reacción GARCH(1,1) a shocks puntuales50 XP
- Errores de predicción100 XP
- La naturaleza recursiva de la varianza GARCH100 XP
- El paquete rugarch50 XP
- Especifica y prueba los sabores del modelo GARCH100 XP
- Pronóstico fuera de muestra100 XP
- Objetivo de volatilidad en la asignación táctica de activos100 XP
2
Mejoras del modelo GARCH normal
Los mercados suben por las escaleras y bajan por el ascensor. Esta sabiduría de Wall Street tiene consecuencias importantes a la hora de especificar un modelo de volatilidad realista. Obliga a abandonar la hipótesis de normalidad, así como la respuesta simétrica de la volatilidad a los choques. En este capítulo, conocerás modelos GARCH con efecto apalancamiento e innovaciones t de Student asimétricas. Al final, serás capaz de usar modelos GARCH para estimar más de diez mil especificaciones distintas de modelos GARCH.
3
Evaluación del desempeño
Los modelos GARCH producen previsiones de volatilidad que sirven como insumo para la toma de decisiones financieras. Su uso en la práctica requiere primero evaluar la calidad de la previsión de volatilidad. En este capítulo, aprenderás a analizar la significación estadística de los parámetros GARCH estimados, las propiedades de los rendimientos estandarizados, la interpretación de los criterios de información y el uso de estimaciones GARCH con ventana rodante y errores cuadráticos medios de predicción para analizar la precisión de la previsión de volatilidad.
4
Aplicaciones
A estas alturas, dominas la especificación, estimación y validación estándar de modelos GARCH en el paquete rugarch. Este capítulo presenta funcionalidades específicas de rugarch para estimar el valor en riesgo, usar el modelo GARCH en producción y simular rendimientos GARCH. También descubrirás que la presencia de dinámica GARCH en la varianza tiene implicaciones para simular log‑rendimientos, estimar la beta de una acción y encontrar la cartera de varianza mínima.
R
Modelos GARCH en R
Curso
completado
