Buciulea Vlas, Andrei2025-04-222025-04-222021https://hdl.handle.net/10115/83537Este documento aborda el modelado de series de tiempo financieras desde una perspectiva de procesamiento de señales. Comienza explicando los rendimientos de activos, diferenciando entre rendimientos simples y logarítmicos, y destacando las ventajas de los log-rendimientos para el modelado. Se describen las propiedades estadísticas de estos rendimientos, conocidas como "stylized features", tales como colas pesadas, asimetría, correlación y clustering de volatilidad. Luego, se presentan diversos modelos para los log-rendimientos de múltiples activos, incluyendo el modelo I.I.D., modelos factoriales, el Modelo de Valoración de Activos de Capital (CAPM) y modelos autorregresivos de media móvil (ARMA). También se exploran modelos multivariados como el VAR, VMA y VARMA, así como el modelo de corrección de errores vectoriales (VECM) para series no estacionarias cointegradas. El documento concluye con una revisión de modelos de volatilidad condicional, como los modelos ARCH y GARCH, y sus versiones multivariadas, como VEC-GARCH y DCC. Finalmente, se mencionan los desafíos del modelado financiero, como la falta de estacionariedad y las colas pesadas.enAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Log-returnsARMA ModelsFactor ModelsVAR ModelsConditional VolatilityLearning Objectinfo:eu-repo/semantics/openAccess