El valor de $\lambda$ usado en el paper original es arbitrario, pero puedes estimarlo asumiendo (en el caso más simple) 2 activos y ejecutando el siguiente modelo:
$\sigma^2_{12,t+1}$ $=$ $\lambda$$*$$\sigma^2_{12,t-1}$$+$$(1-\lambda)$$r_{1,t}$$*$$r_{2,t}$;
dado $r_{1,t}$ y $r_{2,t}$ respectivamente como los retornos para el activo 1 y 2 y $\sigma^2_{12,t}$ la volatilidad en el tiempo t.
Resolviendo por $\lambda$ como variable única desconocida, puedes encontrar la estimación de $\lambda$.
Para calcular el pronóstico de correlación, reemplaza $\sigma^2_{12,t+1}$ en:
$\rho_{t+1}$ $=$ $\frac{\sigma^2_{12,t+1}}{\sigma_{1,t+1}* \sigma_{2,t+1}}$;
donde $\rho_{t+1}$ es el pronóstico de la correlación 1 periodo adelante.
Aquí la referencia del paper original de JP Morgan; te sugiero que leas el paper y estimes $\lambda$ nuevamente, ya que su valor depende de la volatilidad de los retornos y cambia con el tiempo.
Los autores utilizaron un periodo de 20 días de retornos para estimar la volatilidad y los retornos de los activos y la elección de dicho periodo de tiempo, nuevamente, fue arbitraria.
Espero que esto ayude.
0 votos
¿Cuál es la utilidad de calcular la correlación utilizando datos anuales? ¿Te ayudarán los datos de 2008, 2009 como puntos de datos anuales a comprender la dinámica de 2016? ¿2015? El mundo está cambiando ... una frecuencia anual es demasiado baja en mi opinión.
0 votos
Me gustaría utilizar el EWMA para la correlación entre 2 series temporales en general, no necesariamente de precios de acciones. No estoy seguro si tiene sentido.