Modelación y predicción de la volatilidad con innovaciones de colas pesadas distribuidas: evidencia empírica para los petróleos Maya y Mezcla Mexicana de Exportación

Resumen

El objetivo de este trabajo es evaluar la capacidad predictiva de una familia de modelos garch para predecir la volatilidad condicional de los rendimientos del petróleo Maya y Mezcla Mexicana de Exportación para el periodo 2 de enero de 1989 al 30 de diciembre de 2011. Los modelos de volatilidad se estimaron bajo tres distribuciones condicionales para las innovaciones: normal, t-student y errores generalizada. Los hallazgos empíricos señalan que el modelo egarch, con innovaciones t-student es más eficiente en el proceso de predicción de la volatilidad dentro de la muestra que los modelos basados en las distribuciones de errores generalizada y normal. Sin embargo, los resultados de la prueba de Diebold-Mariano muestran que los modelos cgarch, con innovaciones de errores generalizados y normales, superan el desempeño predictivo óptimo de los modelos garch con innovaciones t-student cuando se consideran las predicciones de la volatilidad fuera de la muestra.