Robert F. Engle III y Clive W.J. Granger (Premios Nobel de Economía 2003)
En el 2003, el Premio Nobel de Economía fue otorgado a Robert F. Engle III y Clive W.J. Granger, el primero por haber desarrollado métodos para analizar series de tiempo con volatilidades económicas que varian en el tiempo (ARCH), y Granger por haber implementado métodos para analizar series de tiempo con tendencias económicas comunes (cointegración).
Cabe destacar que en particular, el método ARCH, clarifica el desarrollo en el mercadodurante los periodos de turbulencia económica, con largas fluctuaciones en el tiempo, y seguidas por periodos de calma con modestas fluctuaciones.
Es decir, este método analiza aquellos movimientos impredecibles sobre los precios y los tipos de interés en los mercados financieros. Dichas predicciones son esenciales para cuantificar efectivamente el riesgo marginal. Por ejemplo, calcular los precios de las opciones e instrumentos financieros derivados. El ARCH (Autoregressive Conditional Heteroskedasticity - Heterodasticidad Condicional Autoregresiva) se ha convertido en una herramienta esencial de la Teoría del Arbitraje de Precios en la práctica.
Bibliografía Engle
Nobel Lecture: Risk and Volatility: Econometric Models and Financial Practice
En el caso de Granger, el método estadístico de la cointegración, nos permite diferenciar, así como, combinar el análisis entre las fluctuaciones a corto plazo y las tendencias económicas a largo plazo.
Además, introdujo el concepto de la Causalidad de Granger, que es un test consistente en comprobar si los resultados de una variable sirven para predecir a otra variable, si tiene carácter unidireccional o bidireccional. Para ello se tiene que comparar y deducir si el comportamiento actual y el pasado de una serie temporal A predice la conducta de una serie temporal B. Si ocurre el hecho, se dice que “el resultado A” causa en el sentido de Wiener-Granger “el resultado B”; el comportamiento es unidireccional. Si sucede lo explicado e igualmente “el resultado B” predice “el resultado A”, el comportamiento es bidireccional, entonces “el resultado A” causa “el resultado B”, y “el resultado B” causa “el resultado A”. (Fuente: Wikipedia)
Bibliografía Granger
Nobel Lecture: Time Series Analysis, Cointegration, and Applications.
Cabe destacar que en particular, el método ARCH, clarifica el desarrollo en el mercadodurante los periodos de turbulencia económica, con largas fluctuaciones en el tiempo, y seguidas por periodos de calma con modestas fluctuaciones.
Es decir, este método analiza aquellos movimientos impredecibles sobre los precios y los tipos de interés en los mercados financieros. Dichas predicciones son esenciales para cuantificar efectivamente el riesgo marginal. Por ejemplo, calcular los precios de las opciones e instrumentos financieros derivados. El ARCH (Autoregressive Conditional Heteroskedasticity - Heterodasticidad Condicional Autoregresiva) se ha convertido en una herramienta esencial de la Teoría del Arbitraje de Precios en la práctica.
Bibliografía Engle
Nobel Lecture: Risk and Volatility: Econometric Models and Financial Practice
En el caso de Granger, el método estadístico de la cointegración, nos permite diferenciar, así como, combinar el análisis entre las fluctuaciones a corto plazo y las tendencias económicas a largo plazo.
Además, introdujo el concepto de la Causalidad de Granger, que es un test consistente en comprobar si los resultados de una variable sirven para predecir a otra variable, si tiene carácter unidireccional o bidireccional. Para ello se tiene que comparar y deducir si el comportamiento actual y el pasado de una serie temporal A predice la conducta de una serie temporal B. Si ocurre el hecho, se dice que “el resultado A” causa en el sentido de Wiener-Granger “el resultado B”; el comportamiento es unidireccional. Si sucede lo explicado e igualmente “el resultado B” predice “el resultado A”, el comportamiento es bidireccional, entonces “el resultado A” causa “el resultado B”, y “el resultado B” causa “el resultado A”. (Fuente: Wikipedia)
Bibliografía Granger
Nobel Lecture: Time Series Analysis, Cointegration, and Applications.
Comentarios