Fr. 39.50

Estimación de la volatilidad mediante el modelo CARR - Una aplicación de la metodología Box & Jenkins

German, Spanish · Paperback / Softback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more

En este trabajo se presenta una aplicación de la Metodología Box & Jenkins. Se construye un modelo autoregresivo para evaluar la volatilidad de los precios de las acciones en la Bolsa Mexicana de Valores. Las peculiaridades del presente se encuentran en el hecho de que se usa el rango entre precio máximo y mínimo de la jornada como medida de la volatilidad de los precios. Aquí se sustituye la forma tradicional en la que se emplea a la Desviación Típica como medida de variabilidad así como los comunmente empleados métodos GARCH. Las estimaciones se hacen por tres procedimientos distintos y al final se selecciona una de ellas por ser la que cumple con el mayor número de supuestos que requiere este tipo de modelos. Como procedimientos de estimación se usan Mínimos Cuadrados Ordinarios y los de Máxima Verosimilitud.

About the author










Especialista en Econometría Financiera.Participa como conferencista en congresos nacionales e internacionales.Recientemente en el Broome Community College de la Universidad de New York y en la Escuela de Negocios de Barcelona.Mención Honorífica en el XXIX Premio de Investigación Financiera IMEF-Ernest&Young

Product details

Authors Fernando Héctor Servín y Silva
Publisher Editorial Académica Española
 
Languages German, Spanish
Product format Paperback / Softback
Released 01.01.2013
 
EAN 9783659068188
ISBN 978-3-659-06818-8
No. of pages 56
Subject Natural sciences, medicine, IT, technology > Mathematics > Probability theory, stochastic theory, mathematical statistics

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.