Buscar en Google Scholar
Título: Modelagem da volatilidade em séries temporais financeiras via modelos GARCH com abordagem Bayesiana
Asesor(es): Sandes Ehlers, Ricardo; Gomes de Andrade Filho, Marinho
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.00.00; https://purl.org/pe-repo/ocde/ford#1.01.03
Fecha de publicación: ago-2017
Institución: Universidade de São Paulo
Resumen: Realiza una comparación de algoritmos para el análisis de modelos GARCH con distribuciones asimétricas. En las últimas décadas, la volatilidad se ha convertido en un concepto muy importante en el área financiera, siendo utilizado para medir el riesgo de los instrumentos financieros. En este trabajo, el enfoque del estudio es la modelización de la volatilidad, que se refiere a la variabilidad de los retornos, que es una característica presente en las series temporales financieras. Como herramienta de modelado fundamental utilizaremos el modelo GARCH (Generalized Autoregressive Conditional Heteroskedasticity), que utiliza la heterocedasticidad condicional como medida de volatilidad. Se considerarán dos características principales a modelar para obtener un mejor ajuste y pronóstico de volatilidad, estas son: asimetría y colas pesadas presentes en la distribución incondicional de la serie de retornos. La estimación de los parámetros de los modelos propuestos se realizará utilizando el enfoque bayesiano con la metodología MCMC (Markov Chain Monte Carlo) específicamente el algoritmo Metropolis-Hastings.

Nas últimas décadas a volatilidade transformou-se num conceito muito importante na área financeira, sendo utilizada para mensurar o risco de instrumentos financeiros. Neste trabalho, o foco de estudo é a modelagem da volatilidade, que faz referência à variabilidade dos retornos, sendo esta uma característica presente nas séries temporais financeiras. Como ferramenta fundamental da modelação usaremos o modelo GARCH (Generalized Autoregressive Conditional Heteroskedasticity), que usa a heterocedasticidade condicional como uma medida da volatilidade. Considerar-se-ão duas características principais a ser modeladas com o propósito de obter um melhor ajuste e previsão da volatilidade, estas são: a assimetria e as caudas pesadas presentes na distribuição incondicional da série dos retornos. A estimação dos parâmetros dos modelos propostos será feita utilizando a abordagem Bayesiana com a metodologia MCMC (Markov Chain Monte Carlo) especificamente o algoritmo de Metropolis-Hastings.
Identificador DOI: https://doi.org/10.11606/D.104.2017.tde-13112017-160115
Nota: Disertación presentada en el marco del Programa Interinstitucional de Posgrado entre la Universidade de São Paulo y Universidade Federal de São Carlos.
Disciplina académico-profesional: Estadística
Institución que otorga el grado o título: Universidade de São Paulo. Instituto de Ciências Matemáticas e de Computação; Universidade Federal de São Carlos. Departamento de Estatística
Grado o título: Maestra en Estadística
Jurado: Sandes Ehlers, Ricardo; Zevallos Herencia, Mauricio Enrique; Assis Moura, Maria Sílvia de
Fecha de registro: 10-mar-2021

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
AquinoGutierrezKF.pdfDisertación21.18 MBAdobe PDFVista previa
Visualizar/Abrir
Autorizacion.pdf
  Acceso restringido
Autorización del registro169.32 kBAdobe PDFVisualizar/Abrir  Solicita una copia


IMPORTANTE
La información contenida en este registro es de entera responsabilidad de la universidad, institución o escuela de educación superior que administra el repositorio académico digital donde se encuentra el trabajo de investigación y/o proyecto, los cuales son conducentes a optar títulos profesionales y grados académicos. SUNEDU no se hace responsable por los contenidos accesibles a través del Registro Nacional de Trabajos de Investigación – RENATI.