Una Familia General de Modelos de Duración Condicional Autorregresiva Aplicados a Datos Financieros de Alta Frecuencia
Autores: Cunha, Danúbia R.; Vila, Roberto; Saulo, Helton; Fernandez, Rodrigo N.
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
Categoría
Gestión y administración
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
En este artículo, proponemos una familia general de modelos de duración condicional autorregresiva de Birnbaum-Saunders (BS-ACD) basados en distribuciones de Birnbaum-Saunders generalizadas (GBS), denominados GBS-ACD. Además, generalizamos estos modelos GBS-ACD utilizando una transformación de Box-Cox con un parámetro de forma para la dinámica de la mediana condicional y una respuesta asimétrica a los choques; esto se denomina GBS-AACD. Luego, realizamos un estudio de simulación de Monte Carlo para evaluar el rendimiento de los modelos GBS-ACD. Finalmente, se realiza una ilustración de los modelos propuestos utilizando datos de transacciones de la bolsa de valores de Nueva York (NYSE).
Descripción
En este artículo, proponemos una familia general de modelos de duración condicional autorregresiva de Birnbaum-Saunders (BS-ACD) basados en distribuciones de Birnbaum-Saunders generalizadas (GBS), denominados GBS-ACD. Además, generalizamos estos modelos GBS-ACD utilizando una transformación de Box-Cox con un parámetro de forma para la dinámica de la mediana condicional y una respuesta asimétrica a los choques; esto se denomina GBS-AACD. Luego, realizamos un estudio de simulación de Monte Carlo para evaluar el rendimiento de los modelos GBS-ACD. Finalmente, se realiza una ilustración de los modelos propuestos utilizando datos de transacciones de la bolsa de valores de Nueva York (NYSE).