Una introducción a la modelización estocástica de subyacentes cotizados

Julia Calatayud; Juan Carlos Cortés; Marc Jornet Sanz; Rafael Jacinto Villanueva Micó

doi:10.4995/msel.2019.10787

Autores/as

Julia Calatayud Universitat Politècnica de València
Juan Carlos Cortés Universitat Politècnica de València
Marc Jornet Sanz Universitat Politècnica de València
Rafael Jacinto Villanueva Micó Universitat Politècnica de València

DOI:

https://doi.org/10.4995/msel.2019.10787

Palabras clave:

Modelización estocástica, subyacentes cotizados, Ecuación diferencial estocástica, Estimación de parámetros, predicción

Resumen

El objetivo de este trabajo es mostrar una metodología estocástica, basada en el denominado Modelo Lognormal, para modelizar la dinámica de subyacentes cotizados teniendo en cuenta la incertidumbre de los mercados financieros. Se trata de un modelo sencillo desde el punto de vista de su formulación, pero de gran valor formativo porque constituye la base de otros modelos avanzados que son objeto de investigación actual. La modelización que se presenta ha sido puesta en práctica por los autores en su labor docente en estudios tanto de Grado como de Posgrado universitario. Presentamos una aproximación docente al modelo y su aplicación a datos reales de un activo financiero que cotiza en el mercado español IBEX35.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Lai, T.L., Xing, H. (2008). Statistical Models and Methods for Financial Markets. New York: Springer. https://doi.org/10.1007/978-0-387-77827-3

Gourieroux, H. (1997). ARCH Models and Financial Application. New York: Springer. https://doi.org/10.1007/978-1-4612-1860-9

Enders, W. (2014). Applied Econometric Time Series (4th ed.). New York: Wiley.

Soofi, A.S., Cao, L. (2002). Modelling and Forecasting Financial Data: Techniques of Nonlinear Dynamics. New York: Springer. https://doi.org/10.1007/978-1-4615-0931-8

Plasmans, J. (2006). Modern Linear and Nonlinear Econometrics. Netherlands: Springer.

Clifford, S. (2015). Analyzing Financial Data and Implementing Financial Models Using R. Switzerland: Springer.

Platen, E., Bruti-Liberati, N. (2010). Numerical Solution of Stochastic Differential Equations with Jumps in Finance. New York: Springer. https://doi.org/10.1007/978-3-642-13694-8

Swishchuk, A., Islam, S. (2013). Random Dynamical Systems in Finance. New Wales, USA: Chapman and Hall/CRC.

Oksendal, B. (2003). Stochastic Differential Equations: An Introduction with Applications. Berlin, Germany: Springer-Verlag. https://doi.org/10.1007/978-3-642-14394-6