Estimaciones de riesgo ajustadas por distribución: una aplicación para portafolios de inversión integrados por activos nacionales / Distribution-Adjusted Risk Estimates: An Application to Domestic Assets Investment Portfolios

Pese a todos los efectos económicos que el virus SARS-CoV-2 (COVID-19) ha dejado en las economías del mundo, los mercados financieros han funcionado bajo condiciones de adaptación mediática que permiten a los inversionistas seguir evaluando oportunidades para diversificar y optimizar sus carteras. El presente trabajo se concentra en el ajuste de distribución sobre los parámetros de la varianza de series financieras que conforman un portafolio de inversión mostrando estimadores consistentes y eficientes sobre el comportamiento y pronóstico de la volatilidad utilizando modelos paramétricos GARCH (Generalized Autoregressive Heteroskedasticity), y no paramétricos como la volatilidad histórica y el modelo EWMA (Exponentially Weighted Moving Average). Los resultados obtenidos muestran que los métodos no paramétricos sobreestiman los niveles de volatilidad en comparación con los modelos de volatilidad condicional al verificar el análisis retrospectivo basado en los enfoques de Valor en Riesgo (VaR) y su versión condicional (CVaR) durante el periodo prepandemia y postpandemia. / Despite the effects of the SARS-CoV-2 (COVID 19) virus on the world economy, the financial markets have functioned under mediatic adaptation conditions which allow investors to keep evaluating opportunities for diversifying and optimizing portfolios. This paper focuses on the distribution adjustment of the variance parameters of the financial series that make up an investment portfolio showing consistent and efficient estimators of the volatility behaviour and forecast by means of GARCH parametric models (Generalized Autoregressive Heteroskedasticity), and non-parametric ones such as historic volatility and the EWMA (Exponentially Weighted Moving Average) model The results obtained show that the non-parametric methods overestimate the volatility levels compared with the conditional volatility models when verifying the retrospective analysis based on the Value at Risk (VaR) approach and its conditional version (CVaR) during the pre and post pandemic periods.