| Abstract: |
Following Xu and Perron (2014), we applied the extended RLS model to the daily
stock market returns of Argentina, Brazil, Chile, Mexico and Peru. This model
replaces the constant probability of level shifts for the entire sample with
varying probabilities that record periods with extremely negative returns; and
furthermore, it incorporates a mean reversion mechanism with which the
magnitude and the sign of the level shift component will vary in accordance
with past level shifts that deviate from the long-term mean. Therefore, four
RLS models are estimated: the basic RLS, the RLS with varying probabilities,
the RLS with mean reversion, and a combined RLS model with mean reversion and
varying probabilities. The results show that the estimated parameters are
highly signiÖcant, especially that of the mean reversion model. An analysis is
also performed of ARFIMA and GARCH models in the presence of level shifts,
which shows that once these shifts are taken into account in the modeling, the
long memory characteristics and GARCH e§ects disappear. Our forecasting
analysis conÖrms that the RLS models are more accurate than other classic
long-memory models. Resumen Siguiendo el trabajo de Xu y Perron (2014), en
este documento se aplica el modelo extendido de cambios de nivel aleatorios
(RLS) a los retornos diarios de los mercados bursátiles de Argentina, Brasil,
Chile, Mexico y Perú. A diferencia del modelo RLS básico, en este modelo se
usan probabilidades cambiantes asociadas a periodos de retornos extremadamente
negativos y además se incorpora un mecanismo de reversión a la media el cual
depende de los cambios de nivel pasados y de las desviaciones de la media de
largo plazo. Así, se estiman cuatro modelos de cambios de nivel aleatorios: el
modelos RLS básico, el modelo RLS con probabilidades variantes, el modelo RLS
con reversión a la media y
finalmente, el modelo RLS que combina los dos
aspectos ya mencionados. Los resultados muestran que los coe
cientes estimados
son signi
cativos, en especial cuando se usa el modelo RLS con reversión a la
media. Asimismo, se realizan estimaciones de modelos ARFIMA y GARCH a las
series de volatilidad a las cuales se le ha sustraído el componente de cambios
de nivel. Los resultados, muestran que una vez que dichos componentes son
tomados en cuenta, las características de larga memoria y efectos GARCH
desaparecen. Finalmente, un análisis de predicción es proporcionado el cual
confi
rma que los modelos RLS son más e
ficientes que otros modelos clásicos
de larga memoria. JEL Classification-JEL: |
| Keywords: |
Random Level Shifts Model, Volatility, Long Memory, GARCH, Latin-American Stock Markets, Varying Probabilities, Mean Reversion, Forecasting, Larga Memoria, Mercados Bursátiles de América Latina, modelo con Cambios de Nivel Aleatorios, Predicción, Probabilidades Variantes, Reversión a la Media, Volatilidad |