Estimación de niveles óptimos de cobertura para portafolios de inversión estáticos, dinámicos y con varianza condicional. Evidencia en países emergentes
DOI:
https://doi.org/10.29105/vtga5.1-776Palabras clave:
nivel óptimo de cobertura, volatilidad, GARCH, países emergentesResumen
La creación de portafolios es una herramienta versátil que le permite al inversionista evaluar la distribución de diversos activos financieros y al mismo tiempo disminuir la volatilidad implícita en los mercados. En esta investigación se compara la eficiencia en el nivel óptimo de cobertura utilizando el modelo de mínimos cuadrados, mínimos cuadrados con ventanas móviles y el modelo GARCH, para un portafolio compuesto por el precio spot del Índice MSCI Mercados Emergentes y los precios futuros del oro, durante 2010 a 2018. Los resultados de este estudio demuestran que de los tres modelos analizados, el método de mínimos cuadrados con ventanas móviles de 6 meses fue el que generó la mayor eficiencia en la cobertura y la menor volatilidad, inclusive por encima del modelo GARCH que resultó ligeramente menos eficiente.
Descargas
Citas
Baillie, R. T., & Myers, R. J. (1991). Bivariate GARCH estimation of the optimal commodity futures hedge. Journal of Applied Econometrics, 6(2), 109-124. DOI: https://doi.org/10.1002/jae.3950060202
Basher, S. A., & Sadorsky, P. (2015). Hedging emerging market stock prices with oil, gold, VIX, and bonds: A comparison between DCC, ADCC and GO-GARCH. Energy Economics, 54, 235247. DOI: https://doi.org/10.1016/j.eneco.2015.11.022
Bhattacharya, S., Singh, H., & Alas, R. M. (2011). Optimal Hedge Ratio with Moving Least SquaresAn Empirical Study Using Indian Single Stock Futures Data. International Research Journal of Finance and Economics, 79, 98-111.
Byström, H. N. (2003). The hedging performance of electricity futures on the Nordic power exchange. Applied Economics, 35(1), 1-11. DOI: https://doi.org/10.1080/00036840210138365
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327. DOI: https://doi.org/10.1016/0304-4076(86)90063-1
Brooks, C., Henry, O. T., & Persand, G. (2002). The effect of asymmetries on optimal hedge ratios. The Journal of Business, 75(2), 333-352. DOI: https://doi.org/10.1086/338484
Chang, C. L., McAleer, M., & Tansuchat, R. (2013). Conditional correlations and volatility spillovers between crude oil and stock index returns. The North American Journal of Economics and Finance, 25, 116-138. DOI: https://doi.org/10.1016/j.najef.2012.06.002
Creti, A., Joëts, M., & Mignon, V. (2013). On the links between stock and commodity markets' volatility. Energy Economics, 37, 16-28. DOI: https://doi.org/10.1016/j.eneco.2013.01.005
Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, 74(366a), 427-431. DOI: https://doi.org/10.1080/01621459.1979.10482531
Dinică, M. C., & Balea, E. C. (2014). Natural Gas Price Volatility and Optimal Hedge Ratios. Economic Computation & Economic Cybernetics Studies & Research, 48(3).
Ederington, L. H. (1979). The hedging performance of the new futures markets. The Journal of Finance, 34(1), 157-170. DOI: https://doi.org/10.1111/j.1540-6261.1979.tb02077.x
Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica: Journal of the Econometric Society, 987-1007. DOI: https://doi.org/10.2307/1912773
Engle, R. F., & Granger, C. W. (1987). Co-integration and error correction: representation, estimation, and testing. Econometrica: Journal of the Econometric Society, 251-276. DOI: https://doi.org/10.2307/1913236
Erb, C. B., & Harvey, C. R. (2006). The strategic and tactical value of commodity futures. Financ Anal J.62,69-97. DOI: https://doi.org/10.2469/faj.v62.n2.4084
Franco, C., & Zakoian, J. (2010). GARCH models, structure, statistical inference and financial application. Wiley London. DOI: https://doi.org/10.1002/9780470670057
García, A., Zabeh, B., Hosein, M., & Rositas, J. (2006). Optimal Hedge Ratio estimation: GARCH (1, 1) approach, a new model). Innovaciones de Negocios, 3(6), 227-242. DOI: https://doi.org/10.29105/rinn3.6-5
Gorton, G., & Rouwenhorst, K. G. (2004). Facts and fantasies about commodity futures (No. w10595). National Bureau of Economic Research. DOI: https://doi.org/10.3386/w10595
Hillier, D., Draper, P., & Faff, R. (2006). Do precious metals shine? An investment perspective. Financial Analysts Journal, 98-106. DOI: https://doi.org/10.2469/faj.v62.n2.4085
Ibbotson Associates, (2006) Strategic Asset Allocation and Commodities, Chicago
Kroner, K. F., & Sultan, J. (1993). Time-varying distributions and dynamic hedging with foreign currency futures. Journal of financial and quantitative analysis, 28(4), 535-551. DOI: https://doi.org/10.2307/2331164
Ku, Y. H. H., Chen, H. C., & Chen, K. H. (2007). On the application of the dynamic conditional correlation model in estimating optimal time-varying hedge ratios. Applied Economics Letters, 14(7), 503-509. DOI: https://doi.org/10.1080/13504850500447331
Lintner, J. (1965). Security prices, risk, and maximal gains from diversification. The journal of finance, 20(4), 587-615. DOI: https://doi.org/10.1111/j.1540-6261.1965.tb02930.x
Markowitz, H. (1959). Portfolio selection. Investment under Uncertainty. 59
Mili, M., & Abid, F. (2004). Optimal hedge ratios estimate: Static vs Dynamic hedging. Finance India, 18, 655.
Mossin, J. (1966). Equilibrium in a capital asset market. Econometrica: Journal of the econometric society, 768-783. DOI: https://doi.org/10.2307/1910098
Myers, R. J., & Thompson, S. R. (1989). Generalized optimal hedge ratio estimation. American Journal of Agricultural Economics, 71(4), 858-868. DOI: https://doi.org/10.2307/1242663
Michaud, R. O., Michaud, R., & Pulvermacher, K. (2006). Gold as a strategic asset. World Gold Council, London 10.
Pástor, L. (2000). Portfolio selection and asset pricing models. The Journal of Finance, 55(1), 179223. DOI: https://doi.org/10.1111/0022-1082.00204
Rondinone, G., & Thomasz, E. O. (2018). Financiarización de commodities: la incidencia de la tasa de interés en el precio del frijol de soya durante el periodo 1990-2014. Revista Análisis Económico, 31(77), 53-83.
Sadorsky, P. (2014). Modeling volatility and correlations between emerging market stock prices and the prices of copper, oil and wheat. Energy Economics, 43, 72-81. DOI: https://doi.org/10.1016/j.eneco.2014.02.014
Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The journal of finance, 19(3), 425-442. DOI: https://doi.org/10.1111/j.1540-6261.1964.tb02865.x
Wang, K. M., Lee, Y. M., & Thi, T. B. N. (2011). Time and place where gold acts as an inflation hedge: An application of long-run and short-run threshold model. Economic Modelling, 28(3), 806-819. DOI: https://doi.org/10.1016/j.econmod.2010.10.008
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publiquen en la revista VinculaTégica EFAN aceptan el siguiente aviso de derechos de autor:
a). Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación de la obra bajo una licencia de atribución de Creative Commons. Esta licencia permite a otros compartir la obra siempre que se reconozca la autoría original y la publicación inicial en esta revista.
b). Los autores pueden establecer acuerdos contractuales adicionales de manera independiente para la distribución no exclusiva de la versión publicada en la revista (por ejemplo, publicarla en un repositorio o incluirla en un libro), siempre que se reconozca la publicación inicial en esta revista.
c). Se permite a los autores autoarchivar su trabajo en repositorios institucionales o en su propio sitio web antes y durante el proceso de envío, ya que esto puede fomentar intercambios productivos y aumentar la citación temprana y general del trabajo publicado.
