Análisis de la volatilidad del mercado colombiano en el escenario covid-19: una revisión desde los postulados de la geometría fractal y los modelos econométricos
Analysis of Colombian market volatility in the covid-19 scenario: a review from the postulates of fractal geometry and econometric models
Barra lateral del artículo
PDF
FLIP
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
El contenido de la revista Escuela de Administración de Negocios está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional - (CC BY-NC-ND 4.0)
Bajo los siguientes términos:
Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
SinDerivadas — Si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado.
Contenido principal del artículo
Resumen
El análisis del índice MSCI COLCAP de la bolsa de valores en Colombia es crucial para comprender la dinámica del mercado y evaluar su estabilidad y riesgos, especialmente en pospandemia. Este estudio se justifica por la necesidad de examinar la persistencia y comportamiento de la volatilidad del índice colombiano en un contexto afectado por el covid-19, donde las fluctuaciones en los precios han sido notoriamente marcadas. Utilizando el coeficiente de Hurst, se determinó que el índice muestra una memoria histórica. El análisis de la volatilidad, basado en ventanas de 20 días, reveló una mayor inestabilidad tras la pandemia. Las pruebas de backtesting con modelos GARCH indicaron un aumento significativo en el riesgo durante la pandemia, con valores esperados de -1,14 % antes de esta; -7,4 % en marzo de 2020 y -1,95 %, posteriormente. Dado el anterior contexto, se puede indicar que el presente estudio permite comprender la dinámica y estabilidad del mercado colombiano pospandemia, y proporciona herramientas prácticas para mejorar la previsión y gestión del riesgo. Es relevante para inversores, reguladores y académicos interesados en mercados emergentes y su respuesta a eventos globales disruptivos.
Detalles del artículo
Referencias (VER)
Banco de la República. (s.f.). Mercado accionario. https://www.banrep.gov.co/es/estadisticas/mercado-accionario
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31 (3), 307-327. https://doi.org/10.1016/0304-4076(86)90063-1
Bollerslev, T., Engle, R. & Wooldridge, J. (1988). A capital asset pricing model with time varying covariances. Journal of Political Economy, 96 (1), 116-131. https://doi.org/10.1086/261527
Casas, M. y Cepeda, E. (2008). Modelos ARCH, GARCH y EGARCH: aplicaciones a series financieras. Cuadernos de Economía, 27(48), 287-319.
Casparri, M. y Moreno, A. (2008). Geometría fractal y mercados financieros. Universidad de Buenos Aires.
Cortés, J. y Bravo, W. (2023). Análisis del propósito de un portafolio eficiente para clientes inversionistas. Economía & Sociedad, 4(1), 8-16. https://doi.org/10.5377/aes.v4i1.16155
Engle, R. F. (1982). Autoregresive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007. https://doi.org/10.2307/1912773
Engle, R., Granger, C. & Kraft, D. (1984). Combining competing forecasts of inflation with a bivariate ARCH model. Journal of Economic Dynamics and Control, 8(2), 151-165. https://doi.org/10.1016/0165-1889(84)90031-9
Espinosa, O. y Vaca, P. (2017). Ajuste de modelos GARCH clásico y Bayesiano con innovaciones T-Student para el índice COLCAP. Revista de Economía del Caribe, 19, 34-63. https://rcientificas.uninorte.edu.co/index.php/economia/article/view/8343
Fan, J. & Yao, Q. (2003). Nonlinear time series: nonparametric and parametric methods. Springer. https://doi.org/10.1007/978-0-387-69395-8
Hamilton, J. (1994). Time series analysis. Princenton University press.
Hanusz, Z., Tarasinska, J. & Zielinski, W. (2016). Shapiro-Wilk test with know mean. REVSTAT - Statistical Journal, 14(1), 89-100. https://doi.org/10.57805/revstat.v14i1.180
Luengas, D., Ardila, E. y Moreno, J. (2010). Metodología e interpretación del coeficiente de Hurst. Odeon, (5), 265-290.
Mandelbrot, B. (1987). Los objetos fractales. Forma, azar y dimensión. Tusquets Editores.
Mandelbrot, B. (1997). Fractals and scalind in finance. Springer.
Martínez, M., Ariza, M. y Cadena, J. (2021). Relevancia del patrón de persistencia de Hurst en la gestión de portafolios de renta variable. Revista de Métodos Cuantitativos para la Economía y la Empresa, 32, 66-82. https://doi.org/10.46661/revmetodoscuanteconempresa.4122
Nieto, H., Álvarez, J. y Rodríguez, E. (2016). Análisis de persistencia en acciones financieras en el mercado colombiano a través de la metodología de Rango Reescalado (R/S). Cuadernos Latinoamericanos de Administración, 12(22), 23-32. https://doi.org/10.18270/cuaderlam.v12i22.1783
Peters, E. (1994a). Fractal market analysis. Wiley & Sons Inc.
Peters, E. (1994b). Market analysis: applying chaos theory to investment and economics (5st ed.). Wiley.
Rodríguez, N. (2018). La bolsa de valores de Colombia, su naturaleza y su posición sobre las sociedades comisionistas de bolsa: el planteamiento del service level agreement (SLA) como posible forma de mitigación. Derecho PUCP, (81), 265-302. https://doi.org/10.18800/derechopucp.201802.009
Rodríguez, R. (2014). El coeficiente de Hurst y el parámetro α-estable para el análisis de series financieras. Aplicación al mercado cambiario mexicano. Contaduría y Administración, 59(1), 149-173. https://doi.org/10.1016/S0186-1042(14)71247-1
Rossi, G. (2013). La volatilidad en mercados financieros y de commodities. Un repaso de sus causas y la evidencia reciente. Invenio, 16(30), 59-74. http://www.redalyc.org/articulo.oa?id=87726343005
Shapiro, S. & Wilk, M. (1965). An analysis of variance test for normality. Biometrika, 52(3/4), 591-611. https://doi.org/10.2307/2333709
Shapiro, S. & Wilk, M. (1968). Approximations for the null distribution of the W statistic. Technometrics, 10(4), 861-866. https://doi.org/10.2307/1267467
Solis, J., Ponce, M., Castilla, G., González, J., Pérez, J. & Terán, J. (2019). Hurst exponent with ARIMA and exponential smoothing for measuring persistency of M3- competition series. IEEE Latin America Transactions, 17(5), 815-822. https://latamt.ieeer9.org/index.php/transactions/article/view/1119
Taylor, S. (1986). Modeling financial time series. John Wiley & Sons.
Tsay, R. (2005). Analysis of financial time series . John Wiley & Sons.
Villalba, F. y Florez-Ortega, M. (2014). Análisis de la volatilidad del índice principal del mercado bursátil mexicano, del índice de riesgo país y de la mezcla mexicana de exportación mediante un modelo GARCH trivariado asimétrico. Revista de Métodos Cuantitativos para la Economía y la Empresa, 17, 3-22. https://doi.org/10.46661/revmetodoscuanteconempresa.2191
Descargas
Citado por
