Estimación de modelos de volatilidad estocástica vía filtro auxiliar de partículas

Resumen [16] El creciente interés en el estudio de la volatilidad para series de instru- mentos financieros nos lleva a plantear una metodología basada en la ver- satilidad de los métodos Monte Carlo Secuencial (MCS) para la estimación de los estados del modelo de volatilidad estocástica general (MVEG). En este trabajo se propone una metodología basada en la estructura espacio estado aplicando técnicas de filtrado como es el caso del filtro auxiliar de partículas para la estimación de la volatilidad subyacente del sistema. Adi- cionalmente, se propone utilizar un algoritmo Monte Carlo por cadenas de Markov (MCMC), como es el muestreador de Gibbs para la estimación de los parámetros. La metodología es ilustrada usando una serie de re- tornos de datos simulados, y la serie de retornos correspondiente al índice de precio Standard and Poor’s 500 (S&P 500) para el periodo 1995 2003. Los resultados evidencian que la metodología propuesta permite explicar adecuadamente la dinámica de la volatilidad cuando existe una respuesta asimétrica de esta ante un shock de diferente signo, concluyendo que los cambios bruscos en los retornos corresponden a valores altos en la volati- lidad.