%0 Journal Article
%T Structured Monte Carlo. Estimated value at risk in a stock portfolio in Colombia Montecarlo estructurado. Estimaci車n del valor en riesgo en un portafolio accionario en Colombia
%A Mar赤a Auxiliadora Vergara Cogollo
%A Cecilia Maya Ochoa
%J AD-minister
%D 2009
%I Escuela de Administraci車n Universidad EAFIT
%X De acuerdo con el estudio que se presenta, por las caracter赤sticas de los activos que lo conforman, el m谷todo de Montecarlo Estructurado es el m芍s completo y robusto para la medici車n del valor en riesgo (VaR) de un portafolio hipot谷tico de acciones colombianas de alta y mediana bursatilidad, en comparaci車n con m谷todos param谷tricos o de simulaci車n hist車rica. Sin embargo, para su aplicaci車n, es necesaria una cuidadosa modelaci車n del comportamiento de las distintas variables de riesgo. La presencia de colas pesadas en las series de retornos de estos activos obliga al uso de modelos de volatilidad del tipo GARCH, EGARCH, PARCH y APARCH. Se eval迆a su capacidad de pron車stico del VaR del periodo siguiente en paralelo con el obtenido por el m谷todo Normal. Los modelos tipo Garch pronostican mejor el VaR, puesto que logran capturar el efecto de colas pesadas en las series. Definido el proceso estoc芍stico que siguen los activos, se procede a su c芍lculo con Montecarlo Estructurado.   This research explores various methods to estimate Value at Risk for a portfolio of high and medium liquidity Colombian stocks. It concludes that, according to the characteristics of these assets, Full Montecarlo is more robust than other parametric methods 每particularly the Normal method-, and the historical simulation. However, to avoid model risk, it requires a correct specification of the stochastic process followed by each of the risk factors. Given the evidence of fat tails on the return series, volatility models such as GARCH, EGARCH, PARCH and APARCH are used for this purpose. After that, we compare the one-step ahead VaR forecast given by these models with the one obtained by parametric methods. It is found that Garch models predict VaR better since they capture the fat tails characteristic of these series. Once the stochastic process for each asset is properly identified, the Full Montecarlo is applied to estimate VaR.
%K VaR
%K Market Risk
%K Full Montecarlo
%K Garch
%K Egarch
%K Parch
%K Aparch.
%U http://publicaciones.eafit.edu.co/index.php/administer/article/view/204