Introducción a la modelización de la volatilidad financiera

Prólogo 
Parte I. Introducción
Capítulo 1. Riesgo y volatilidad
1. Introducción
2. Algunas regularidades empíricas en las rentabilidades de los activos
3. Detección de la existencia de heterocedasticidad condicionada
3.1. Contraste de no autocorrelación serial de los residuos
3.2. Contrastando la existencia de ARCH lineales. El multiplicador de Lagrange
3.3. Contrastando la existencia de ARCH no lineales
3.4. Contraste de independencia versus no linealidad. El contraste BDS
3.4.1. Un ejemplo
Parte II. Modelos estándar de volatilidad
Capítulo 2. El modelo ARCH. Especificación y estimación
1. Introducción
2. Especificación
2.1. Características
2.2. Propiedades
2.3. Extensiones no lineales del ARCH(q)
3. Estimación
3.1. Máxima verosimilitud
3.1.1. Algunos tipos de funciones de verosimilitud
3.1.2. Algoritmos de optimización
3.1.3. Expresiones del gradiente y hessiano en un ARCH(q)
3.1.4. Estimación robusta de los parámetros
3.1.5. Un ejemplo
3.2. Métodos no paramétricos. Regresión por el método kernel
4. Apéndice
Capítulo 3. El modelo ARCH. Contraste y predicción
1. Introducción
2. Evaluación y diagnóstico del modelo estimado
2.1. Contrastes de especificación incorrecta
2.1.1. Normalidad de los residuos estandarizados
2.1.2. Contraste de ausencia de correlación serial en los residuos estandarizados
2.1.3. Contrastes de especificación incorrecta en ARCH lineales. Los contrastes de signo extendidos
2.1.4. Contraste RBD para la varianza condicionada
2.1.5. Independencia e idéntica distribución de los residuos estandarizados. El contraste BDS
2.1.6. Contrastes de estabilidad de la varianza
2.1.6.1. Contraste de estabilidad cuando se conoce el punto de ruptura
2.1.6.2. Detección de cambios en la varianza en fecha desconocida. El algoritmo ICSS
2.1.6.3. Contrastando si los parámetros del modelo son constantes
2.1.7. Consistencia e insesgadez de la estimación ARCH
2.2. Selección de modelos
2.2.1. Modelos anidados
2.2.2. Modelos no anidados. Test de abarcamiento
3. Predicción
3.1. Predicción de la media condicional en presencia de volatilidad condicional
3.1.1. AR(1)-ARCH(q)
3.2. Predicción de la varianza condicionada
3.3. Evaluación de la capacidad predictiva de los modelos de varianza condicional
3.3.1. Medidas de bondad de la predicción
3.3.2. Contrastes
3.3.2.1. Contraste de abarcamiento de las predicciones
3.3.2.2. Contraste de Diebold y Mariano
3.3.2.3. Regresión de Mincer-Zarnowitz
4. Apéndice
Capítulo 4. Generalización del modelo ARCH: El modelo GARCH
1. Introducción
2. La generalización ARCH. El modelo GARCH(p,q)
2.1. Especificación
2.1.1. Propiedades
2.1.2. Retardo medio y mediano
2.2. Estimación
2.3. Predicción. ECM en un GARCH(p,q)
2.4. El modelo GARCH(1,1) como punto de partida para modelar la dinámica de la volatilidad de los rendimientos financieros
3. GARCH con componentes de largo plazo
4. Funciones de respuesta al impulso para la varianza 
Capítulo 5. Asimetría en la respuesta de la volatilidad: Modelos GARCH asimétricos
1. Introducción
2. Modelos asimétricos clásicos
2.1. Modelo EGARCH(p,q) o ARCH exponencial generalizado
2.2. Modelo de Glosten, Jagannathan y Runkle (GJR)
2.3. Curva de impacto de las noticias
2.4. Modelo parcialmente no paramétrico o PNP
2.5. Asimetrías en el Ibex35
3. Extensiones de los modelos asimétricos
3.1. Modelos GARCH asimétricos no lineales
3.2. Modelo de componentes GARCH asimétrico
3.3. El modelo APARCH. Un especificación que anida diversosmodelos ARCH
Capítulo 6. Cambios de régimen en la volatilidad condicional
1. Introducción
2. Parámetros cambiantes en la media pero no en la volatilidad condicional
2.1. El modelo de espacio de estados con errores ARCH (STARCH)
2.2. Modelos STAR-GARCH
3. Volatilidad siguiendo un proceso cambiante de Markov
3.1. Varianza ARCH cambiante según un proceso Markov (MSWGARCH)
3.2. Volatilidad markoviana pura
3.3. Modelos de cambio de régimen para la volatilidad de la peseta/US$
4. Modelos GARCH de cambios de régimen
4.1. Modelos GARCH de transición suave o ST-GARCH
4.1.1. LST-GARCH
4.1.2. EST-GARCH
4.1.3. Contraste de varianza condicional constante contra STGARCH
4.2. Modelo de volatilidad cambiante o VS-GARCH
4.3. Modelo asimétrico no lineal de transición suave o ANSTGARCH
4.4. Un ejemplo
Capítulo 7. Volatilidad no estacionaria y memoria larga: Modelos IGARCH y FIGARCH
1. Introducción
2. Modelo integrado GARCH (IGARCH)
2.1. RiskMetricsTM
2.2. ECM en el IGARCH(p,q)
3. Modelo fraccionalmente integrado GARCH: FIGARCH(p,d,q) y extensiones
4. Heterogeneidad ARCH (HARCH): Volatilidad en diferentes horizontes temporales
Capítulo 8. Causas y consecuencias de la volatilidad financiera: Modelos ARCH en media y con variables exógenas
1. Introducción
2. Causas de la volatilidad financiera: ARCH con variables exógenas
2.1. Riesgo y volumen de negociación
2.2. Shocks de otros mercados: Spillovers
3. Consecuencias de la volatilidad financiera: Modelos ARCH con media condicionada no nula
3.1. Modelo ARCH(q)-M
3.2. Modelo GARCH(p,q)-M
3.2.1. Primas de riesgo y volatilidad condicionada
4. Modelando conjuntamente causas y consecuencias
Capítulo 9. Modelizando la volatilidad y las correlaciones: Los modelos ARCH multiecuacionales
1. Introducción
2. Modelos vectoriales
2.1. Modelo GARCH multiecuacional estándar. El modelo VECHGARCH
2.1.1. Restricciones sobre los parámetros
2.2. Modelo BEKK-GARCH
2.2.1. Covarianza estacionaria
2.2.2. Estructuras observacionalmente equivalentes
2.3. Modelos ARCH factoriales
2.3.1. El modelo de cartera formada por factores
2.3.2. El modelo O-GARCH
2.4. Modelos de correlaciones condicionales constantes y dinámicas
2.4.1. El modelo CCC
2.4.2. El modelo DCC
2.5. El modelo de regresión multiecuacional con errores GARCH
2.5.1. Estimación del modelo multiecuacional
3. Comprobación y diagnóstico de los modelos multiecuacionales
3.1. Estadísticos de portmanteau
3.2. Contraste de correlaciones constantes frente a correlaciones variables
4. Funciones de respuesta al impulso multiecuacionales
Capítulo 10. Volatilidad estocástica
1. Introducción
2. Modelo SV
3. Modelo MSV
Parte III. Modelos de volatilidad de alta frecuencia
Capítulo 11. Periodicidad intradiaria y volatilidad condicional
1. Introducción
2. Detección de la periodicidad intradiaria
3. Tratamiento de la periodicidad en los modelos GARCH
3.1. Modelo GARCH con estacionalidad determinista. La inclusión de variables ficticias estacionales
3.2. Modelos GARCH con rentabilidades intradía desestacionalizadas
3.2.1. Modelización de los patrones periódicos intradía
3.2.2. El efecto de la periodicidad en la interdependencia entre las rentabilidades y volatilidades intradía
3.3. Modelo GARCH periódico o P-GARCH
Capítulo 12. El agrupamiento de las operaciones: El modelo de duración condicional autorregresiva
1. Introducción
2. Tiempos de transacción y variables de la negociación
2.1. Patrón intradiario y asimetría de las duraciones
2.1.1. Duraciones ajustadas
2.1.2. Distribuciones asimétricas
3. Modelo ACD
3.1. Estacionariedad de la varianza de las duraciones en un EACD(1,1)
3.2. Estimación máximo verosímil. Distribuciones
3.3. Una ilustración
4. El modelo ACM-ACD
5. Apéndice
Capítulo 13. Volatilidad integrada y realizada
1. Introducción
2. Procesos de difusión y volatilidad integrada
3. Volatilidad realizada
Parte IV. Práctica financiera
Capítulo 14. Valor-en-Riesgo (VaR)
1. Introducción
2. Valor-en-Riesgo (Value-at-Risk, VaR)
2.1. Definición
2.2. Posiciones largas y cortas en la negociación
2.3. Estimación
2.4. Evaluación de las predicciones del VaR
2.4.1. Evaluación intramuestral
2.4.2. Evaluación extramuestral
Referencias bibliográficas