Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

ESTRATEGIAS, MERCADOS E INSTITUCIONES FINANCIERAS

Vol. 12 (2018): La competitividad como detonante para la mejora social ISBN 978-607-96203-0-7

¿Realmente se logran beneficios con la diversificación en países emergentes? Una prueba de desempeño con cadenas markovianas de dos regímenes.

Enviado
agosto 2, 2018
Publicado
2020-05-25

Resumen

En el presente trabajo se aplica el filtro de Hamilton en un contexto de dos regímenes gaussianos a los índices bursátiles S&P BMI global, S&P500 de Estados Unidos, S&P BMI de economías emergentes y S&P BMI de regiones como Latinoamérica, Europa del este, Asia-Pacífico, África-medio oriente y el bloque BRIC. En los resultados logrados se aprecia que los beneficios de invertir diversificadamente en un portafolio global (denominado en dólares de los Estados Unidos) que incorpore países emergentes y desarrollados no es tan amplio como se esperaba con los postulados de la teoría de portafolios. En un contexto tanto de periodos normales (baja volatilidad) como de crisis (alta volatilidad), se aprecia que es mejor tener una combinación Estados Unidos-países emergentes (en especial Latinoamérica y Europa del este) que una global más amplia, ya que el comportamiento de los rendimientos observados en el índice global y de economías emergentes son muy similares.

Citas

  1. Akaike, H. (1974). A new look at the statistical model identification. IEEE transactions on automatic control, 19 (6): 716-723.
  2. Ang, A., y Chen, J. (2002). Asymmetric correlation of equity portfolios. Journal of Financial Economics, 63 (212): 443-94.
  3. Balcilar, M., Demirer, R., y Hammoudeh, S. (2013). Investor herds and regime-switching: Evidence from Gulf Arab stock markets. Journal of International Financial Markets, Institutions & Money, 23 : 295-321.
  4. Balcilar, M., van Eyden, R., Uwilingiye, J., y Gupta, R. (2017). The Impact of Oil Price on South African GDP Growth: A Bayesian Markov Switching-VAR Analysis. African Development Review, 29 (2): 319-336.
  5. Bollerslev, T., Engle, R. F., Wooldridge, J. M., Engle, F., y Wooldridge, M. (1988). A Capital Asset Pricing Model with time-varying Covariances, 96 (1): 116-131.
  6. Cabrera, G., Coronado, S., Rojas, O., y Venegas-Mart’inez, F. (2017). Synchronization and Changes in Volatilities in the Latin American’S Stock Exchange Markets. International Journal of Pure and Apllied Mathematics, 114 (1).
  7. Canarella, G., y Pollard, S. K. (2007). A switching ARCH (SWARCH) model of stock market volatility: some evidence from Latin America. International review of Economics, 54 (4): 445-462.
  8. Dickey, D. A., y Fuller, W. A. (1979). Distribution of the Estimators for Autoregressive Time Series With a Unit Root. Journal of the American Statistical Association, 74 (366): 427-431.
  9. Engle, R. F., Ghysels, E., y Sohn, B. (2013). Stock Market Volatility and Macroeconomic Fundamentals. Review of Economics and Statistics, 95 (July).
  10. Engle, R. F., Ng, V. K., y Rotschild, M. (1990). Asset pricing with Factor-ARCH covariance estructure. Empirical estimates for Treasury bills. Journal of Econometrics, (45): 213-237.
  11. Haas, M., Mittnik, S., y Paolella, M. S. (2009). Asymmetric multivariate normal mixture GARCH. Computational Statistics & Data Analysis, 53 (6): 2129-2154.
  12. Hamilton, J. D. (1989). A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle. Econometrica, 57 (2): 357-384.
  13. Hamilton, J. D. (1990). Analysis of time series subject to changes in regime. Journal of Econometrics, 45 (1-2): 39-70.
  14. Hamilton, J. D. (1994). Time Series Analysis. New Jersey: Princeton university press.
  15. Hannan, E. J., y Quinn, B. G. (1979). The Determination of the Order of an Autoregression. Journal of the Royal Statistical Society. Series B (Methodological), 41 : 190-195.
  16. Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7 (1): 77-91.
  17. Markowitz, H. (1956). The optimization of quadratic functions subject to linear constraints. Naval research logistic quarterly, 3 (March-June): 1-113.
  18. Markowitz, H. (1959). Portfolio selection. Efficient diversification of investments. New Haven: Yale University Press.
  19. Mejía-Reyes, P. (2000). Asymmetries and Common Cycles in Latin America: Evidence from Markov-Switching Models. Economía Mexicana. Nueva Época, IX (2): 189-225.
  20. S&P Dow Jones Indices LLC. (2014). S & P Global BMI , S & P / IFCI Methodology.
  21. S&P Dow Jones Indices LLC. (2016). Country clasification methodology. Recuperado at 26 de abril de 2018, a partir de: https://us.spindices.com/documents/index-policies/methodology-country-classification.pdf?force_download=true
  22. Schwarz, G. (1978). Estimating the dimension of a model. The annals of Statistics, 6 (2): 461-464.
  23. Sharpe, W. (1963). A simplified model for portfolio analysis. Management Science, 9 (2): 277-293.
  24. Sharpe, W. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The journal of finance, XIX (3): 425-442.
  25. Valera, H. G. A., y Lee, J. (2016). Do rice prices follow a random walk? Evidence from Markov switching unit root tests for Asian markets. Agricultural Economics, 47 (6): 683-695.
  26. Wu, J.-T. (2015). Markov regimes switching with monetary fundamental-based exchange rate model. Asia Pacific management review, 20 (2): 79-89.

Artículos más leídos del mismo autor/a

> >>