Una introducción a la modelización estocástica de subyacentes cotizados

Julia Calatayud

Spain

Universitat Politècnica de València

Juan Carlos Cortés

Spain

Universitat Politècnica de València

Marc Jornet Sanz

Spain

Universitat Politècnica de València

Rafael Jacinto Villanueva Micó

Spain

Universitat Politècnica de València

Enviado: 07-10-2018

|

Aceptado: 11-12-2018

|

Publicado: 08-02-2019

DOI: https://doi.org/10.4995/msel.2019.10787
Datos de financiación

Descargas

Palabras clave:

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

Agencias de apoyo:

Proyecto MTM2017--89664--P del Programa Estatal de Investigación Científica y Técnica de Excelencia del Ministerio de Ciencia e Innovación

Marc Jornet agradece la beca predoctoral del Programa de Ayudas de Investigación y Desarrollo (PAID) de la UPV.

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.
Ver más Ver menos

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

Ver más Ver menos