Metodología para la estimación del drift de la tasa de cambio (usd/cop) a través de modelos bayesianos. (Methodology for the estimation of the drift of the exchange rate (usd/cop) through bayesian models)
Methodology for the estimation of the drift of the exchange rate (usd / cop) through bayesian models
Barra lateral del artículo
PDF
FLIP
HTML
XML
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
La Revista EnContexto proporciona acceso abierto a todos sus contenidos, así mismo, se adhiere a la licencia Creative Commons Atribución - NoComercial - SinDerivar 4.0 Internacional (CC BY - NC - ND 4.0)
Usted puede utilizar nuestros contenidos bajo los siguientes términos:
Atribución — Usted debe darle crédito a esta obra de manera adecuada, proporcionando un enlace a la licencia, e indicando si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo del licenciante.
NoComercial — Usted no puede hacer uso del material con fines comerciales.
Sin Derivar — Si usted mezcla, transforma o crea nuevo material a partir de esta obra, usted no podrá distribuir el material modificado.
Así mismo se invita a los autores a visbilizar sus artículos a través de repositorios institucionales de acceso abierto y redes sociales académicas.
Costos de procesamiento y envío de artículos
La Revista EnContexto no cobra a los autores gastos asociados al sometimiento de artículos a revisión y tampoco, por la publicación de los mismos. Contrario a esto, la Institución Universitaria Tecnológico de Antioquia asigna recursos para el pago de:
- Asignación de DOI (Digital Object Identifier)
- Reconocimiento económico a los pares evaluadores
- Corrección de estilo, diagramación e impresión
- Administración de Open Journal System
- Editor, Coordinación editorial y Asistencia editorial
Contenido principal del artículo
Resumen
El comportamiento volátil de la tasa de cambio USD/COP en la actualidad y sus efectos sobre la economía, hace necesario proponer modelos que logren estimar de mejor manera su comportamiento futuro; que faciliten la implementación de mecanismos para mitigar los efectos adversos de la volatilidad. La incorporación de expectativas de expertos a través de modelos bayesianos, pueden ser implementados para mejorar la predicción de esta variable; el objetivo de este trabajo es proponer una metodología de estimación del drift para la TRM, mediante modelos bayesianos, basados en información de expertos y su integración con los datos históricos de dicha variable.
Descargas
Datos de publicación
Perfil evaluadores/as N/D
Declaraciones de autoría
- Editor y equipo editorial
- Perfiles
- Sociedad académica
- Tecnológico de Antioquia
- Editorial
- Tecnológico de Antioquia
Para obtener más información sobre un dato, haga clic 
Public Facts Label - Plugin Mantenido por Public Knowledge Project
Detalles del artículo
Referencias (VER)
Banco de la República. (5 de 12 de 2016). Metodología del cálculo de la TRM. Recuperado de http://www.banrep.gov.co/sites/default/files/reglamentacion/archivos/Boletin_64_18_dic_2015_%20DODM_146.pdf
Bollerslev, T. (1986). Generalized Autoregressive Conditional. Journal of Econometrics, 307-327.
Box, G., & G. T. (1973). Bayesian inference in statistical analysis. Canada: Addison-Wesley Publishing Company.
Engle, R. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inlation. The Econometric Society, 987-1008.
Fayad, C., Fortich, R. y Vélez, I. (2009). Proyección de la tasa de cambio de Colombia bajo condiciones de PPA: evidencia empírica usando VAR. Estudios Gerenciales Universidad ICESI, 211-226.
Gujarati, D., y Porter, D. (2009). Econometría (5 ed.). Ciudad de México, México: Mc Graw Hill.
Henao, J. y Rivera, L. (2006). Modelado del índice de tipo de cambio real colombiano usando redes neuronales artificiales. Cuadernos de administración, 319-336.
Hernández, M. (2006). Toma de decisiones en las empresas: entre el arte y la técnica: metodologías, modelos y herramientas. Bogotá, Colombia: UniAndes.
Hull, J. (2012). Options, futures and other derivatives. England: Pearson Education Limited.
Jackman, S. (2009). Bayesian Analysis for the social sciences. USA: Wiley.
Levin, R. y Rubin, D. (2004). Estadística para administración y economía. Mexico: 7.
Montenegro, R. (2010). Medición de la volatilidad en series de tiempo financieras, Una evaluación a la tasa de cambio representativa. Finanzas y Políticas económicas Universidad Católica, 125-132.
Obregón Sanin, I. (1975). Teoría de la probabilidad. California: Limusa.
Revista dinero. (18 de Mayo de 2016). Deuda externa llega a su mayor nivel desde 2003.
Taylor, S. (1986). Modelling Financial Time Series (2 ed.). New York: John Wiley & Sons.
Tsay, R. (2005). Analysis of Financial Time Series segunda edición. New Jersey: Wiley-interscience.
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3),
307-327.
Taylor, S. Modeling Financial Time Series, New York: John Wiley & Sons. 1986.
Engle, Robert F. “Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. Inlation”. Econométrica, 50: 987-1008. 1982.
