Modeling GARCH processes in panel data: Monte Carlo simulations and applications

Abstract

In this paper we propose and implement a methodology of testing and estimation in a panel data context with GARCH effects. In order to determine the presence of GARCH effects and poolability of the mean and variance equations, we propose simple tests based on OLS and LSDV residuals. The estimation of the model is based on direct maximization of the log-likelihood function by numerical methods. A Monte Carlo study is conducted in order to evaluate the performance of this MLE estimator for various relevant designs. As an illustration, we present two empirical applications. We investigate whether investment in a panel of five large U.S. manufacturing firms and inflation in a panel of four Latin American countries exhibit GARCH effects. The results strongly suggest that the error processes can indeed be modeled as conditionally heteroskedastic in both cases.

En este artículo se propone e implementa una metodología para pruebas de hipótesis y estimación en un contexto con datos panel y efectos GARCH. Para determinar la presencia de efectos GARCH así como el agrupamiento (pooling) de las ecuaciones de la media y la varianza, se proponen pruebas simples basadas en los residuales OLS y LSDV. La estimación del modelo esta basado en la maximización directa de la función de verosimilitud para métodos numéricos. También se realiza un análisis de Monte Carlo con el objeto de evaluar el desempeño del estimador MLE para varias configuraciones relevantes de parámetros. Como ejemplo, se presentan dos aplicaciones empíricas. Se investiga si la inversión en un panel de cinco grandes empresas manufactureras de Estados Unidos y la inflación en un panel de cuatro países latinoamericanos presentan efectos GARCH. Los resultados sugieren fuertemente que en ambos casos los procesos de error pueden modelarse como procesos con heterocedasticidad condicional.