Memoria larga en la estructura de los rendimientos en mercados desarrollados
##plugins.themes.bootstrap3.article.main##
##plugins.themes.bootstrap3.article.sidebar##
Resumen
El presente estudio pretende investigar la existencia de propiedades de memoria larga en diez mercados de valores de distintos países desarrollados. Cuando las series de rendimientos exhiben memoria larga, estas series no son independientes del tiempo y los rendimientos pasados pueden ayudar a predecir rendimientos futuros, violando por tanto la hipótesis de eficiencia de los mercados. Esto plantea un serio desafío a los que defienden que los rendimientos siguen un camino aleatorio, indicando un componente potencialmente predecible en la dinámica de las series. Hemos calculado el estadístico clásico de Hurst Mandelbrot (R/S), el estadístico de Lo y el estadístico semiparamétrico GPH utilizando un método de regresión espectral. Los resultados sugieren la existencia de memoria larga en la volatilidad de los rendimientos y un paseo aleatorio para los logaritmos de las series, en general para todos los índices de mercado seleccionados. Los resultados están en línea con hechos contrastados para series temporales financieras.
Cómo citar
##plugins.themes.bootstrap3.article.details##
Memoria larga, Rango reescalado, Integración fraccional, Regresión spectral
Andersen, T.G. and Bollerslev, T., 1998. Answering the Skeptics: Yes, Standard Volatility Models Do Provide Accurate Forecasts, International Economic Review, 39 (4), 885-905.
Andrews, D.W.K., 1991. Heteroskedasticity and Autocorrelation Consistent Covariance Matrix Estimation, Econometrica, 59, (3), 817-858.
Baillie, R.T., 1996. Long Memory Processes And Fractional Integration In Econometrics, Journal of Econometrics, 73, (1), 5-60.
Banerjee, A. and Urga, G., 2005. Modelling Structural Breaks, Long Memory and Stock Market Volatility: An Overview, Journal of Econometrics, 129, 1-34
Beran, J. and Ocker, D., 2001. Volatility of stock market indices - an analysis based on SEMIFAR models, Journal of Business and Economic Statistics, 19, (1), 103-116.
Breidt, F.J.; Crato, N. and de Lima, P., 1998. On The Detection and Estimation of Long Memory In Stochastic Volatility, Journal of Econometrics, 83, (1-2), 325-348.
Cajueiro, D.O. and Tabak, B.M., 2004. The Hurst’s exponent over time: testing the assertion that emerging markets are becoming more efficient, Physica A, 336, 521-537.
Davidian, M. and Carroll, R., 1987. Variance function Estimation, Journal of the American Statistical Association, 82, 1079–1091.
Dickey, D.A. and Fuller, W.A., 1979. Distribution of the Estimators for Autoregressive Time Series with a Unit Root, Journal of the American Statistical Association, 74 (366), 427–431.
Ding, Z.; Granger, C.W.J. and Engle, R.F., 1993. A Long Memory Property Of Stock Market Returns And A New Model, Journal of Empirical Finance, 1 (1), 83-106.
Geweke, J. and Porter-hudak, S., 1983. The Estimation And Application Of Long-Memory Time Series Models, Journal of Time Series Analysis, 4 (4), 221-238.
Granger, C. W. J., 1966. The Typical Spectral Shape Of An Economic Variable, Econometrica, 34 (1), 150-161.
Granger, C. W. J., 1998. Comment on Real and Spurious Long-Memory Properties of Stock-Market Data, Journal of Business and Economic Statistics, 16, 268-269.
Granger, C. W. J. and Ding, Z., 1995. Some Properties Of Absolute Return; An Alternative Measure Of Risk, Annales D’Economie et de Statistique, 40, 67 - 91.
Granger, C. W. J. and Ding, Z., 1996. Varieties Of Long Memory Models”, Journal of Econometrics, 73 (1), 61-77.
Granger, C. W. J. and Hyung, N., 2004. Occasional Structural Breaks and Long Memory with an application to the S*P 500 Absolute Stock Returns, Journal of Empirical Finance, 11 (3), 399-421.
Greene, M. T. and Fielitz, B. D., 1977. Long-Term Dependence In Common Stock Returns, Journal of Financial Economics, 4 (3), 339-349.
Harvey, A.C., 1993. Long Memory In Stochastic Volatility, Working Paper 10, London, School of Economics, Department of Statistics.
Hurst, H. E., 1951. Long-Term Storage Of Reservoirs: An Experimental Study, Transactions of the American Society of Civil Engineers, 116, 770-799.
Kang, S. H.; Cheong, C. and Yoon, S. M., 2010. Long memory volatility in Chinese stock markets, Physica A, 389, 1425–1433.
Liow, K. H., 2006. The Dynamics of Long Memory in Return and Volatility for International Real Estate Markets. http://dx.doi.org/10.2139/ssrn.886001
Lo, A.W., 1991. Long-Term Memory in Stock Market Prices, Econometrica, 59 (5), 1279-1313.
Mandelbrot, B.B. and Wallis, J.R., 1968. Noah, Joseph, and Operational Hydrology, Water Resources Research, 4 (39), 909-918.
Mandelbrot, B.B. and Wallis, J. R., 1969. Robustness Of The Rescaled Range R/S In The Measurement Of Noncyclic Long-Run Statistical Dependence, Water Resources Research, 5 (5), 967-988.
Mandelbrot, B.B., 1971. A Fast Fractional Gaussian Noise Generator, Water Resources Research, 7 (3), 543-553.
Mandelbrot, B. B., 1972. Possible Renements Of The Lognormal Hypothesis Concerning The Distribution Of Energy Dissipation In Intermitent Turbulence, in M. Rosenblatt and C. Van Atta eds., Statistical Models and Turbulence, New York, Springer.
Mandelbrot, B. B., 1997. Fractals And Scaling In Finance: Discontinuity, Concentration, Risk, New York, Springer-Verlag.
Mikosch, T. and Starica, C., 2000. Limit Theory for the Sample Autocorrelations and Extremes of a GARCH(1,1) process, Annals of Statistics, 28, 1427–1451.
Nath, G. C., 2001. Long Memory And Indian Stock Market – An Empirical Evidence, Proceedings of UTIICM Conference , India, 2001.
Pérez, A. and Ruiz, E., 2001. Finite sample properties of a QML Estimator of Stochastic Volatility models with long memory, Economics Letters, 70, 157–164.
Phillips, P.C.B. and Perron, P., 1988. Testing for a Unit Root in Time Series Regression, Biometrika, 75 (2), 335–346.
Sadique, S. and Silvapulle, P., 2001. Long-Term Memory in Stock Market Returns: International Evidence, International Journal of Finance & Economics, 6 (1), 59-67.
Willinger, W.; Taqqu, M.S. and Teverovsky, V., 1999. Stock Market Prices And Long-Range Dependence, Finance and Stochastics, 3, 1-13.
Taylor, S., 1986. Modelling Financial Time Series, New York. En: John Wiley & Sons. New York.
Yajima, Y., 1985. On Estimation Of Long-Memory Time Series Models, Australian Journal of Statistics, 27 (3), 303-320.
Los autores mantienen el copyright de la publicación. Las publicaciones en Cuadernos de Gestión se distribuyen bajo la licencia de Creative Commons -CC-BY-NC-ND, garantizando el acceso abierto a toda la sociedad.
En concreto la licencia CC-BY-NC-ND permite utilización, copia, distribución y comunicación pública de la obra, siempre que los autores y la fuente sean correctamente citados y no se utilice para propósitos comerciales.
El/la autor/a puede hacer libre uso de su artículo indicando siempre que el texto ha sido publicado en Management Letters/Cuadernos de Gestión y cualquier re-edición del mismo deberá contar con la autorización de la revista.