Resumen
La presente investigación tiene el objetivo de analizar y evaluar la metodología Bootstrap en modelos heterocedásticos aplicados en la predicción del Índice de la Bolsa de Valores de Lima (S&P/BVL), periodo 2017 – 2019. Las predicciones se obtuvieron mediante la metodología paramétrica y la metodología Bootstrap, y fueron comparados con valores reales, partir del algoritmo de procesos heterocedásticos GARCH con Bootstrap propuesto por Pascual (2006), siendo éste generalizado para otros tipos de modelos heterocedásticos. Los desempeños de ambas metodologías fueron evaluados. Del estudio se obtuvo que los modelos que mejor ajustan a la serie son los modelos ARMA(1,1)- EGARCH(1,1) con supuestos de los residuales con distribuciones Normal y t-Student con 5 grados de libertad. El estudio comparativo mostró que la aplicación de la metodología Bootstrap en la serie de los retornos del Índice de la Bolsa de Valores de Lima, permite obtener intervalos de predicciones con mayores e iguales amplitudes en algunos horizontes en comparación con la metodología paramétrica. También se construyeron los intervalos de predicción para las volatilidades, siendo ésta una alternativa para su construcción en modelos heterocedásticos.