Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Colombia.
Primera Versin para comentarios
Junio 2005
Direccin de correspondencia
Calle 18 No. 122-135, Cali, Colombia
Resumen:
En este documento empleamos las series de la Tasa Cambio Representativa de
Mercado y el ndice General de la Bolsa Colombia para ilustrar 4 hechos estilizados
muy conocidos en la literatura financiera: i) las series de precios siguen un camino
aleatorio, ii) la distribucin de los rendimientos es leptocrtica y exhibe colas pesadas,
iii) a medida que se calculan los rendimientos para periodos de tiempo ms amplios su
distribucin se acerca ms a la distribucin normal, y iv) los rendimientos presentan
Volatilidad agrupada (volatility clustering).
Abstract:
This paper employs the exchange rate and Colombian main stock exchange index to
illustrate four well-known stylized facts of the financial time series. These facts are: i)
prices follow a random walk process, ii) returns exhibit a leptokurtic distribution with
fat tails, iii) as one increases the time scale over which returns are calculated, their
distribution tends to look like a normal one (Agreggational Gausianity), and iv)
returns presents volatility clustering.
Palabras claves:
Rendimientos financieros, Regularidades empricas, Tasa de Cambio, ndice General
de la Bolsa Colombia, volatility clustering, fat tails.
Clasificacin JEL: F310, C220, G000
0.01
0.00
Rentabilidad
-0.03
2000
-0.02
-0.01
2400
2200
TRM
2600
0.02
2800
3000
Rentabilidad de TRM
200
400
600
800
1000
1200
1400
Tiempo
200
400
600
800
1000
1200
1400
Tiempo
IGBC
0.05
Rentabilidad
-0.05
0.00
3000
2000
1000
0
IGBC
4000
0.10
5000
500
1000
1500
2000
Tiempo
2500
3000
3500
500
1000
1500
2000
2500
3000
3500
Tiempo
( r = ln ( p ) ln ( p ) ) .
t
t 1
funcin de distribucin),
IGBC
30
20
0
20
40
10
Frecuencia Relativa
F re c u e n c i a s R e l a ti v a
60
80
100
40
120
50
140
TRM
-0.05
-0.03
-0.02
-0.01
0.00
0.01
0.02
0.03
0.00
0.05
0.10
Rendimiento
Retornos
Media
Varianza
Coeficiente de Asimetria
Curtosis
Jarque-Bera
0.001118451
0.000156233
0.9958895
10.26843
15467.95***
IGBC
0.05
-0.05
0.00
Cuantles Muestrales
0.01
0.00
-0.01
-0.02
-0.03
Cuantles Muestrales
0.02
0.10
TRM
-3
-2
-1
-2
Cuantiles Teoricos
Cuantiles Teoricos
TRM
3
2
0
Log de Prob(ret.>x)
Retornos Positivos
Retornos Negativos
N(0,1)
-7
-6
-5
-4
IGBC
2
1
0
-1
Log de Prob(ret.>x)
Retornos Positivos
Retornos Negativos
N(0,1)
-7
-6
-5
-4
-3
-2
Rendimientos Semanales
Histograma
0.04
50
Q-q Plot
2
1
Log de Prob(ret.>x)
0.02
0.00
Cuantles Muestrales
-0.02
30
20
10
Frecuencias Relativa
40
Retornos Positivos
Retornos Negativos
N(0,1)
0.00
0.02
0.04
Retornos
-1
-0.02
-0.04
-0.04
-3
-2
-1
-7
-6
-5
-4
-3
-2
Cuantles Teoricos
Rendimientos Mensuales
Histograma
0.00
Retornos
0.05
1
-1
0.10
-2
-0.05
-0.10
-0.10
Log de Prob(ret.>x)
0.05
0.00
-0.05
Cuantles Muestrales
Retornos Positivos
Retornos Negativos
N(0,1)
Frecuencias Relativa
10
0.10
12
Q-q Plot
-5
-3
-2
-1
-4
-3
-2
-1
Cuantles Teoricos
Q-q Plot
Log de Prob(ret.>x)
0.15
0.10
0.05
-0.10
-0.05
0.00
0.05
Retornos
0.10
0.15
0.20
-2
-0.15
-0.10
-0.05
-1
0.00
Cuantles Muestrales
4
2
0
Frecuencias Relativa
0.20
Retornos Positivos
Retornos Negativos
N(0,1)
-5
-4
-3
-2
-1
-3
-2
-1
Cuantles Teoricos
Volatilidad Historica
0
200
400
600
800
1000
1200
3 e-04
2 e-04
0 e+00
1 e-04
Volatilidad Historica
4 e-04
1400
500
1000
Retornos
1500
2000
2500
3000
3500
2500
3000
3500
Retornos
0.0010
Volatilidad Historica
0.00000
0.0000
0.0005
0.00015
0.00010
0.00005
Volatilidad Historica
0.00020
0.0015
0.00025
200
400
600
800
Retornos
1000
1200
1400
500
1000
1500
2000
Retornos
El trmino volatilidad histrica se refiere a calcular la varianza para los ltimos h datos (ventana) para
cada una de las observaciones. Es decir, siempre se calcular la varianza con los ltimos h datos, donde h
es una constante.
0.0008
VolatilidadHistorica
0.0000
0.0004
0.00010
0.00000
0.00005
Volatilidad Historica
0.00015
0.0012
0.00020
200
400
600
800
1000
1200
1400
500
1000
1500
2000
2500
3000
3500
Retornos
Retornos
6 e-04
Volatilidad Historica
0 e+00
0.00000
2 e-04
4 e-04
0.00010
0.00005
Volatilidad Historica
8 e-04
0.00015
1 e-03
200
400
600
800
Retornos
1000
1200
1400
500
1000
1500
2000
2500
3000
3500
Retornos
Los rendimientos al cuadrado se emplean como medida de volatilidad dado que los rendimientos
equivalente al cuadrado de los rendimientos. As, el cuadrado de los rendimientos muestra la desviacin
con respecto a la media. Igual razonamiento justifica la utilizacin del valor absoluto de los rendimientos
como medida de la volatilidad.
10
0.000
0.00
0.005
0.02
0.010
0.04
0.015
0.06
0.020
0.08
0.025
0.10
0.030
0.12
TRM
200
400
600
800
1000
1200
500
1000
1500
2000
2500
3000
3500
1400
Tiempo
Tiempo
0 e+00
0.000
2 e-04
0.004
4 e-04
0.008
6 e-04
8 e-04
0.012
TRM
200
400
600
800
Tiempo
1000
1200
1400
500
1000
1500
2000
2500
3000
3500
Tiempo
Por otro lado, existe una fuerte relacin entre la volatilidad en un perodo determinado y
las volatilidades pasadas. La funcin de autocorrelacin (ACF por su sigla en ingls) del
valor absoluto de los rendimientos (o el cuadrado de ellas) es una manera sencilla de
estudiar la relacin lineal entre la volatilidad. (Ver Grfico 8)
11
0.0
0.0
0.2
0.2
0.4
0.4
ACF
ACF
0.6
0.6
0.8
0.8
1.0
1.0
10
15
20
25
10
15
20
25
30
35
Rezagos
30
Rezagos
0.6
ACF
0.4
0.4
0.0
0.0
0.2
0.2
ACF
0.6
0.8
0.8
1.0
1.0
10
15
20
25
30
0
Rezagos
10
15
20
25
30
35
Rezagos
i =1
i =1
t2 = 0 + i t2i + it2i
(4)
con p, q, i , i 0 y 0 > 0 .
4
La lnea punteada corresponde a un intervalo de un nivel de confianza del 99% dentro del cual la
autocorrelacin muestral no es significativamente diferente de cero.
12
En resumen, este hecho estilizado implica que variaciones grandes en los precios tienen
mayor probabilidad de ser seguidos por variaciones grandes en el precio. As, existe la
necesidad de modelar la volatilidad de los rendimientos con mtodos estadsticos que
permitan capturar la variabilidad de la volatilidad al momento de considerar el riesgo
asociado a las series de rendimientos.
Comentarios finales
En este documento hemos ejemplificado con las series de la Tasa Cambio Representativa
de Mercado y el ndice General de la Bolsa Colombia 4 hechos estilizados muy
conocidos en la literatura financiera: i) las series de precios siguen un camino aleatorio,
ii) la distribucin de los rendimientos es leptocrtica y exhibe colas pesadas, iii) a medida
que se calculan los rendimientos para periodos de tiempo ms amplios su distribucin se
acerca ms a la distribucin normal, y iv) los rendimientos presentan Volatilidad
agrupada (volatility clustering).
Estos hechos estilizados asombrosamente se encuentran presentes en la mayora de las
series de rendimientos (y precios) sin importar que tipo de modelo o supuestos
paramtricos se efecten. As, estos hechos estilizados deben ser entendidos como una
restriccin para cualquier modelo emprico y terico que se emplee para explicar el
comportamiento de los precios de los activos o medidas de volatilidad. De hecho, todo el
desarrollo resiente en el clculo del VaR (Valor en riesgo por su sigla en ingls) tratan de
incorporar estos hechos estilizados en las estimaciones (Ver Alonso y Arcos (2005)).
Finalmente es importante anotar, como lo hace Rama (2001), que una pregunta an sin
resolver es si estos hechos empricos pueden ser empleados o no para ratificar o descartar
aproximaciones de la teora econmica a la explicacin de la realidad.
Referencias
Alonso C., Julio Csar and Mauricio Alejandro Arcos. 2005. "Valor en riesgo: evaluacin
del desempeo de diferentes metodologas para 7 pases latinoamericanos." Mimeo.
Breitung, Jorg. 2002. "Nonparametric Tests for Unit Roots and Cointegration." Journal
of Econometrics., 108:2, pp. 343-63.
Cont, Rama. 2001. "Empirical Properties of Asset Returns: Stylized Facts and Statistical
Issues." Quantitative Finance, 1:2, pp. 223-36.
Dickey, David A. and Wayne A. Fuller. 1979. "Distribution of the estimators for
autoregressive time series with a unit root." Journal of the American Statistical
Association, 74:366, pp. 427-31.
13
Guermat, Cherif and Richard HArris. 2002. "Forecasting value at risk allowing for time
variation in the variance and kurtosis of portfolio returns." International Journal of
Forecasting, 18, pp. 409-19.
Kwiatkowski, Denis, Peter C. B. Phillips, Peter Schmidt, and Yongcheol Shin. 1992.
"Testing the null hypothesis of stationarity against the alternative of a unit root:
How sure are we that economic time series have a unit root?" Journal of
Econometrics, 54:1-3, pp. 159-78.
Phillips, Peter C. B. and Pierre Perron. 1988. "Testing for a unit root in time series
regression." Biometrika, 75:2, pp. 335-46.
Vries, C. G. de. 1994. "Stylized Facts of Nominal Exchange Rate Returns," in The
Handbook of International Macroeconomics. F. van der Ploeg ed. Oxford:
Blackwell, pp. 348 - 89.
14
TRM t
LN (TRM t )
IGBC t
LN ( IGBC t )
PP
Breitung (2002) /2
KPSS
-0.217
-0.340
0.016
0.730 ++
-0.191
-0.290
0.016
0.750 ++
2.740
8.780
0.010
0.869 ++
-2.429
-7.850
0.009
0.840 ++
ADF, PP y Breitung (2002): Corresponden a los respectivos estadsticos de la prueba de estacionaridad de Dickey - Fuller, Phillips Perron y Breitung (2002).
KPSS: Corresponde al estadstico de la prueba de races unitarias de Kwiatkowski, Phillips, Scmidt y Shin (1992).
(): Rechaza la hiptesis nula de un proceso con raz unitaria a un nivel de significancia del 10%
(): Rechaza la hiptesis nula de un proceso con raz unitaria a un nivel de significancia del 5%
(): Rechaza la hiptesis nula de un proceso con raz unitaria a un nivel de significancia del 1%
(+): Rechaza la hiptesis nula de un proceso estacionario alrededor de una tendencia a un nivel de significancia del 10%
(++): Rechaza la hiptesis nula de un proceso estacionario alrededor de una tendencia a un nivel de significancia del 5%
/1: El nmero optimo de rezagos se determina de acuerdo al criterio de informacin Akaike (AIC).
15
Semanales
0.000436472
8.97179E-05
0.1050629
1.784831
185.3957***
Mensuales Trimestrales
0.003618795
0.0133286
0.000948644 0.00409112
0.368751
0.7252467
0.4867702
0.4787708
44.0156*** 125.1721***
Semanales
0.001981157
0.001035533
0.5735873
3.247405
1676.536***
Mensuales
Trimestrales
0.02844121 0.08200917
0.01175361 0.04512509
0.786204
1.333427
2.519107
4.671
1238.303*** 4000.461***
16
Rendimientos Semanales
Q-q Plot
Log de Prob(ret.>x)
0.10
0.05
0.00
-2
-3
Cuantles Muestrales
10
5
Frecuencia Relativa
Retornos Positivos
Retornos Negativos
N(0,1)
0.15
15
0.20
Histograma
-6
-0.1
0.0
0.1
0.2
-2
Retornos
-5
-4
-3
-2
-1
Cuantles Teoricos
Rendimientos Mensuales
Histograma
0.6
Q-q Plot
-1
-0.2
-4
-3
-2
Log de Prob(ret.>x)
0.2
0.0
Cuantles Muestrales
3
2
1
-5
-4
-3
-2
-1
-2
Frecuencia Relativa
0.4
Retornos Positivos
Retornos Negativos
N(0,1)
Cuantles Teoricos
-0.2
0.0
0.2
0.4
0.6
Retornos
17
Rendimientos Trimestrales
Histograma
-0.5
-1.0
-1.5
Log de Prob(ret.>x)
0.0
Retornos Positivos
Retornos Negativos
N(0,1)
-2.5
0.0
-2.0
0.5
Cuantles Muestrales
1.0
0.5
0.0
-0.5
0.0
0.5
Retornos
1.0
-4
-0.5
Frecuencia Relativa
1.5
1.0
0.5
2.0
Q-q Plot
-3
-2
-1
-2
Cuantles Teoricos
18