Pronóstico del riesgo de mercado a partir de modelos en tiempo continuo

Abstract

Esta investigación contrasta el desempeño predictivo del modelo COGARCH en tiempo continuo frente a metodologías discretas ampliamente adoptadas en la práctica de gestión de riesgos, como la Simulación Histórica, el EWMA y el GARCH, al aplicarlas al pronóstico intradía del Valor en Riesgo (VaR). Con datos de alta frecuencia de activos financieros representativos, se evaluó la capacidad de cada modelo para generar pronósticos adecuados mediante pruebas de backtesting estándar bajo un esquema de ventanas móviles. Los resultados muestran que, en los casos analizados, el COGARCH logra una cobertura más consistente y supera pruebas en las que los modelos discretos son rechazados, evidenciando su mayor capacidad para capturar la dinámica de riesgo en alta frecuencia. Este trabajo aporta así evidencia empírica que respalda la aplicación de marcos en tiempo continuo para la gestión del riesgo intradía, posicionando al COGARCH como una alternativa metodológica robusta y de gran potencial para la cuantificación precisa de riesgos en mercados de alta frecuencia. (Texto tomado de la fuente)

This study contrasts the predictive performance of the continuous-time COGARCH model with discrete-time methodologies widely adopted in risk management practice, such as Historical Simulation, EWMA, and GARCH, when applied to intraday Value-at-Risk (VaR) forecasting. Using high-frequency data from representative financial assets, we assess each model’s ability to deliver adequate forecasts through standard backtesting procedures under a rolling window scheme. Results show that, in the analyzed cases, COGARCH achieved more consistent coverage and passed tests in which discrete models were rejected, highlighting its stronger ability to capture high-frequency risk dynamics. This work thus provides empirical evidence supporting the use of continuous-time frameworks for intraday risk management, positioning COGARCH as a robust methodological alternative with strong potential for precise risk quantification in high-frequency markets