Le serie storiche finanziarie sono spesso caratterizzate da un’incidenza non trascurabile di valori estremi. Per tale ragione i modelli statistici tipicamente utilizzati per studiarne le proprietà sono basati su distribuzioni di probabilità con code ampie, che ammettono una curtosi maggiore di quella associata alla distribuzione normale.
In questo lavoro si argomenta che l’utilizzo di distribuzioni a code ampie è una semplificazione, in alcuni casi inadeguata, per descrivere variabili caratterizzate da curtosi elevata: gli stimatori basati sull’ipotesi di code ampie (cosiddetti tail index estimators) possono infatti fornire indicazioni fuorvianti e fortemente distorte, anche con dimensioni campionarie assai elevate. Il lavoro mostra che anche distribuzioni a code sottili possono generare curtosi elevate, consentendo al contempo una migliore aderenza ai dati. Si propone un modello di eteroschedasticità condizionale generalizzato, in cui la variabile di interesse è distribuita secondo una beta esponenziale generalizzata, caratterizzata da code sottili, e se ne confrontano le proprietà con quelle di un modello analogo basato su una T di Student, caratterizzata da code ampie.
I modelli vengono stimati col metodo della massima verosimiglianza per valutare quale distribuzione si adatti meglio alle serie dei tassi di cambio bilaterali col dollaro di un gruppo di valute di economie avanzate ed emergenti. I risultati indicano che per la maggior parte dei tassi di cambio delle economie avanzate una distribuzione a code sottili è più adeguata, mentre per le economie emergenti è generalmente preferibile una distribuzione a code ampie.
