Effects of the additive Outliers in the forecasting of the conditional variance of an Arch model/Efectos de los Outliers aditivos en la predicción de la varianza condicional de un modelo Arch.

The objective of this paper is to analyze and analytically quantify the effect of additive outliers in the forecasting of volatility from an ARCH Model. For it, we start by distinguishing between Additive Level Outliers (ALO) and Additive Volatility Outliers (AVO), obtaining the analytical expressions of the relative increase in the absolute mean error that ALO and AVO produce in two different situations: when the coeffi cients are known and when these coeffi cients must be estimated. The analysis is completed with an experiment of Monte-Carlo, from which we can extract the principal conclusions. In fact the principal conclusion that is obtained is that the additive outliers considered have the effect of considerably increasing the prediction error, nevertheless this effect is diminishing in the time, in such a way that if the outliers has taken place in a period relatively distant from the origin of the forecast, then the effects will rarely be signifi cant. El propósito de este artículo es analizar y cuantifi car analíticamente el efecto de los outliers aditivos en la predicción de la volatilidad a partir de un modelo ARCH. Para ello, se comienza distinguiendo entre outliers aditivos de nivel (Additive Level Outliers, ALO) y de volatilidad (Additive Volatility Outliers, AVO), obteniendo las expresiones analíticas del incremento relativo en el error absoluto medio que producen los outliers mencionados en dos situaciones distintas: cuando los coefi cientes son conocidos y cuando dichos coefi cientes deben estimarse. El análisis se completa con un experimento de Monte Carlo, a partir del cual resultan más evidentes las principales conclusiones que pueden extraerse. En concreto, la principal conclusión que se obtiene es que los outliers aquí tratados incrementan de forma considerable el error de predicción, sin embargo este efecto va disminuyendo en el tiempo, de forma que si los outliers tienen lugar en un período bastante alejado del momento del origen de la predicción, los efectos apenas serán significativos.