Series de tiempo financieras. Un enfoque alternativo

Autores/as

  • Carlos Arturo Soto Campos Universidad Autónoma del Estado de Hidalgo
  • V.A. Reyes Rodríguez Universidad Autónoma del Estado de Hidalgo
  • C. Rondero Guerrero Universidad Autónoma del Estado de Hidalgo

DOI:

https://doi.org/10.29057/icbi.v7i14.4430

Palabras clave:

mercado bursátil, series de tiempo, exponente de hurst

Resumen

El mercado bursátil constituye un sistema social, dinámico y complejo. Por tanto, para caracterizarlo y modelarlo es necesario contar con herramientas que nos permitan estudiar de qué manera se producen las diferentes interrelaciones entre los elementos deeste sistema. Una herramienta matemática extremadamente útil para modelar los mercados financieros es lo que se conoce como las series de tiempo. Las series de tiempo financieras representan un campo de investigación muy prolífico en el cual tanto matemáticos como físicos han incursionado desde muy diversos enfoques. En este trabajo adoptamos un enfoque moderno, enfatizando la utilidad del exponente de Hurst para el análisis de series que exhiben tendencias susceptibles de ser modeladas.

Descargas

Los datos de descargas todavía no están disponibles.

Información de Publicación

Metric
Este artículo
Otros artículos
Revisores por pares 
2.4 promedio

Perfiles de revisores  N/D

Declaraciones del autor

Declaraciones del autor
Este artículo
Otros artículos
Disponibilidad de datos 
N/A
16%
Financiamiento externo 
No
32% con financiadores
Intereses conflictivos 
N/D
11%
Metric
Para esta revista
Otras revistas
Artículos aceptados 
86%
33%
Días hasta la publicación 
245
145

Indexado en

Editor y comité editorial
perfiles
Sociedad académica 
N/D

Citas

A. Carbone, G. C., Stanley, E., 2004. Time-dependent hurst exponent in financial time series. Physica A 1, 637–654.

Barunik, J., 1945. On hurst exponent estimation under heavy-tailed distribution.

Physica A 15, 3910–3915. DOI: 10.1016/j.physa.2008.01.060

Black, F., Scholes, M., 1973. The pricing of options and corporate liabilities. Journal of Political Economy 3, 637–654.

Carbone, A., Stanley, E., 2007. Scaling properties and entropy of long-range correlated time series. Physica A 384, 21?24.

Fama, E., 1998. Market efficiency, long-term returns, and behavioral finance. Journal of Financial Economics 49, 283–306.

Hurst, H., 1951. Long-term storage capacity of reservoirs. transactions of american society of civil engineers. Transactions of American Society of Civil Engineers 116, 770–799.

J.A. Matos, M.A. Gama, H. R., 2008. Time and scale hurst exponent analysis for financial markets. Physica A 387, 3910–3915. DOI: 10.1016/j.physa.2008.01.060

Landau, L., Lifshitz, E., 1958. Pergamon, London.

Malkiel, B., Fama, E., 1970. Ecient capital markets: A review of theory and empirical work. The Journal of Finance 25, 383–417. DOI: 10.1111/j.1540-6261.1970.tb00518.x

Peters, E., 1994. Wiley, New York.

S´anchez, L., Soto, C., 2017. Time and scale hurst exponent analysis for financial markets. Revista Mexicana de Econom´ıa y Finanzas 12, 63–89.

Descargas

Publicado

2020-01-05

Cómo citar

Soto Campos, C. A., Reyes Rodríguez, V. ., & Rondero Guerrero, C. . (2020). Series de tiempo financieras. Un enfoque alternativo. Pädi Boletín Científico De Ciencias Básicas E Ingenierías Del ICBI, 7(14), 14–17. https://doi.org/10.29057/icbi.v7i14.4430

Número

Sección

Artículos de investigación