Ítem
Embargo

Pronóstico de la volatilidad financiera y los shocks de los precios del petróleo en las economías emergentes: un enfoque de frecuencia mixta

Mostrar el registro sencillo de la publicación
dc.contributor.advisorMolina Muñoz, Jesús Enrique
dc.contributor.advisorEspinosa Méndez, Juan Carlos
dc.creatorPérez González, Paula Valentina
dc.creatorDussan Tellez, Juliana
dc.creatorMolina Muñoz, Jesús Enrique
dc.creator.degreeProfesional en Marketing y Negocios Digitales
dc.date.accessioned2025-06-17T14:47:01Z
dc.date.available2025-06-17T14:47:01Z
dc.date.created2023-08-01
dc.date.embargoEndinfo:eu-repo/date/embargoEnd/2027-06-17
dc.descriptionEn la actualidad la predicción de la volatilidad en los mercados emergentes más específicamente en América latina representa un desafío significativo a causa de la inestabilidad estructural, la calidad de los datos y las relaciones no lineales entre variables macroeconómicas. Teniendo en cuenta lo anterior, los modelos tradicionales como GARCH cuenta con limitaciones más específicamente con su capacidad para capturar la complejidad de los factores que afectan la volatilidad en estos mercados. Como alternativa, el modelo GARCH-MIDAS ha ganado reconocimiento, integrando datos de diferentes frecuencias para mejorar la precisión en el análisis financiero (Serrano Bautista y Núñez Mora, 2021). El analisis de las fluctuasiones en cuanto a los precios del petroleo y los oil shoks resulta puntualmente clave al momento de entender su verdadero impacto en la volatilidad de los mercados financieros emergentes. La alta dependencia de estos paises en los ingresos petroleros y su vulnerabilidas ante las perturbaciones economicas globales los hace especialmente sensibles a estos fenomenos (Chaluisa Ante y Jiménez Silva, 2023). Este estudio indaga en una detallada revisión de literatura sobre el uso del modelo GARCH-MIDAS en mercados emergentes especialmente en América Latina, evaluando su eficacia en la identificación de patrones de volatilidad provocados por los oil shoks. Los resultados indican especialmente que existen incrementos repentinos en los precios del petróleo los cuales tienen efectos positivos y significativos de modelos econométricos más sofisticados para gestionar los riesgos financieros (Barbosa Camargo et al., 2019). Las investigaciones futuras podrían centrarse en el perfecionamiento del modelo GARCH-MIDAS y sus variantes, con el fin de evaluar estrategias de gestión de riesgos en portafolios y a incertidumbre macroeconómica. Además, ampliar los estudios y en economías de América latina y mercados emergentes, sumando a una mayor cooperación internacional, contribuiría significativamente al desarrollo de investigaciones sobre la volatilidad en estos mercados (Mota Aragón et al., 2021).
dc.description.abstractCurrently, forecasting volatility in emerging markets, particularly in Latin America, presents a significant challenge due to structural instability, data quality, and nonlinear relationships between macroeconomic variables. Traditional models, such as GARCH, face limitations in capturing the complexity of factors influencing volatility in these markets. As an alternative, the GARCH-MIDAS model has gained recognition by integrating data from different frequencies to improve financial analysis accuracy (Serrano Bautista y Núñez Mora, 2021). The analysis of oil price fluctuations and oil shocks is crucial to understanding their true impact on the volatility of emerging financial markets. The strong dependence of these countries on oil revenues and their vulnerability to global economic disruptions make them particularly sensitive to these phenomena (Chaluisa Ante y Jiménez Silva, 2023). This study conducts a comprehensive literature review on the application of the GARCH-MIDAS model in emerging markets, with a particular focus on Latin America, assessing its effectiveness in identifying volatility patterns triggered by oil shocks. The findings suggest that sudden increases in oil prices have positive and significant effects, emphasizing the need for more sophisticated econometric models to manage financial risks (Barbosa Camargo et al., 2019). Future research could focus on refining the GARCH-MIDAS model and its variants to evaluate risk management strategies in portfolios and macroeconomic uncertainty. Additionally, expanding studies on Latin American economies and other emerging markets, along with greater international cooperation, would significantly contribute to the development of research on market volatility (Mota Aragón et al., 2021).
dc.format.extent33 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_45711
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/45711
dc.language.isospa
dc.language.isoeng
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Administración
dc.publisher.programPregrado en Marketing y Negocios Digitales
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.accesoRestringido (Temporalmente bloqueado)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.source.bibliographicCitationAlper, C. E., Ardıç, O. P., & Fendoglu, S. (2012). The economics of the Istanbul Stock Exchange. Emerging Markets Review, 13(2), 230- 247. https://doi.org/10.1016/j.ememar.2012.01.004
dc.source.bibliographicCitationBarbosa Camargo, M. I., Salazar Sarmiento, A., & Peñaloza Gómez, K. J. (2019). Valoración de riesgo mediante modelos GARCH y simulación Montecarlo: evidencia del mercado accionario colombiano. Semestre Económico, 22(53). https://doi.org/10.22395/seec.v22n53a3
dc.source.bibliographicCitationBernanke, B. S., Gertler, M., & Watson, M. (1997). Systematic monetary policy and the effects of oil price shocks. Brookings Papers on Economic Activity, 1997(1), 91–157. https://doi.org/10.2307/2534702
dc.source.bibliographicCitationBollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327. https://doi.org/10.1016/0304-4076(86)90063-1
dc.source.bibliographicCitationBollerslev, T., Engle, R. F., & Nelson, D. B. (1994). ARCH models. Handbook of Econometrics, 4, 2959–3038. https://doi.org/10.1016/S1573-4412(05)80018-2
dc.source.bibliographicCitationChaluisa Ante, E., & Jiménez-Silva, E. (2023). Evaluación de la volatilidad del precio internacional del barril de petróleo y su implicación en los estados financieros de las entidades públicas, caso empresas petroleras, periodos semestrales 2020-2021. 593 Digital Publisher CEIT, 8(3), 955-968. https://doi.org/10.33386/593dp.2023.3.1793
dc.source.bibliographicCitationChen, S.-S., Huang, S., & Lin, T.-Y. (2022). How do oil prices affect emerging market sovereign bond spreads?. Journal of International Money and Finance, 128, 102700. https://doi.org/10.1016/j.jimonfin.2022.102700
dc.source.bibliographicCitationDa Silva Souza, R., & de Mattos, L.B. (2023). Macroeconomic effects of oil price shocks on an emerging market economy. Economic Change and Restructuring, 56, 803–824 https://doi.org/10.1007/s10644-022-09445-w
dc.source.bibliographicCitationEngle, R., & Kelly, B. (2012). Dynamic Equicorrelation. Journal of Business & Economic Statistics, 30(2), 212–228. https://doi.org/10.1080/07350015.2011.652048
dc.source.bibliographicCitationGhysels, E., Santa-Clara, P., & Valkanov, R. (2006). Predicting volatility: Getting the most out of return data sampled at different frequencies. Journal of Econometrics, 131(1–2), 59–95. https://doi.org/10.1016/j.jeconom.2005.01.004
dc.source.bibliographicCitationHamilton, J. D. (2013). Oil prices and economic activity. Handbook of Energy and Climate Change, 1(1), 29-61. https://doi.org/10.3386/w17759
dc.source.bibliographicCitationHong, H., Lee, C., & Park, J. (2023). The impact of financial liberalization on volatility in emerging markets. Emerging Markets Finance and Trade, 59(4), 567-589. https://doi.org/10.1006/jcec.2000.1651
dc.source.bibliographicCitationJain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern Recognition Letters, 31(8), 651-666. https://doi.org/10.1016/j.patrec.2009.09.011
dc.source.bibliographicCitationKilian, L. (2009). Not all oil price shocks are alike: Disentangling demand and supply shocks in the crude oil market. American Economic Review, 99(3), 1053–1069. https://doi.org/10.1257/aer.99.3.1053
dc.source.bibliographicCitationMota Aragón, M. B., Álvarez del Castillo, R., & Núñez Mora, J. A. (2021). Índice de estrés financiero en los mercados emergentes. Análisis Económico, 36(92). https://doi.org/10.24275/uam/azc/dcsh/ae/2021v36n92/mota
dc.source.bibliographicCitationNelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347-370. https://doi.org/10.2307/2938260
dc.source.bibliographicCitationOladunni, S. (2020). Oil price shocks and macroeconomic dynamics in an oil-exporting emerging economy: A New Keynesian DSGE approach. CBN Journal of Applied Statistics, 11(1), 1-34. https://doi.org/10.33429/CJAS.11120.1/5
dc.source.bibliographicCitationSalisu, A. A., Ogbonna, A. E., Lasisi, L., & Olaniran, A. (2022). Geopolitical risk and stock market volatility in emerging markets: A GARCH–MIDAS approach. The North American Journal of Economics and Finance, 62, 101755. https://doi.org/10.1016/j.najef.2022.101755
dc.source.bibliographicCitationSerrano Bautista, R., & Núñez Mora, J. A. (2021). Value-at-risk predictive performance: A comparison between the CaViaR and GARCH models for the MILA and ASEAN-5 stock markets. Journal of Economics, Finance and Administrative Science, 26(52), 197-221. https://doi.org/10.1108/JEFAS-03-2021-0009
dc.source.bibliographicCitationThe World Bank. (2023). Global Economic Prospects, June 2023. Banco Mundial. https://www.bancomundial.org/es/publication/global-economic-prospects
dc.source.bibliographicCitationTumala, M. M., Salisu, A. A., & Gambo, A. I. (2023). Disentangled oil shocks and stock market volatility in Nigeria and South Africa: A GARCH-MIDAS approach. Economic Analysis and Policy, 78, 707-717. https://doi.org/10.1016/j.eap.2023.04.009
dc.source.bibliographicCitationWang, Y., & Li, J. (2023). Economic policy uncertainty and stock market dynamics in emerging markets. International Review of Economics & Finance, 85, 102345. https://doi.org/10.1016/j.irfa.2025.104203
dc.source.bibliographicCitationXu, R., & Wunsch, D. (2005). Survey of clustering algorithms. IEEE Transactions on Neural Networks, 16(3), 645-678. https://doi.org/10.1109/TNN.2005.845141
dc.source.bibliographicCitationYu, X., Zhang, Y., & Wang, L. (2021). Financial market volatility and macroeconomic uncertainty in emerging economies. Journal of Economic Dynamics and Control, 125, 104093. https://doi.org/10.1016/j.jedc.2021.104093
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectPredicción de volatilidad
dc.subjectMercados emergentes
dc.subjectGARCH-MIDAS
dc.subjectShocks petroleros
dc.subjectModelos de riesgo financiero
dc.subject.keywordVolatility forecasting, Emerging markets, GARCH-MIDAS, Oil shocks, financial risk models.
dc.titlePronóstico de la volatilidad financiera y los shocks de los precios del petróleo en las economías emergentes: un enfoque de frecuencia mixta
dc.title.TranslatedTitleForecasting Financial Volatility and Oil Price Shocks in Emerging Economies: A Mixed-Frequency Approach
dc.title.alternativeVolatilidad financiera y petróleo en economías emergentes
dc.typebachelorThesis
dc.type.hasVersioninfo:eu-repo/semantics/draft
dc.type.spaArtículo
local.department.reportEscuela de Administración
local.regionesBogotá
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Pronóstico_de_la_volatilidad_financiera_y_los_shocks_Perez_Gonzalez_Paula_Valentina.pdf
Tamaño:
611.39 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Pregrado en Marketing y Negocios Digitales