ESTIMAÇÃO NÃO PARAMÉTRICA DA DISTRIBUIÇÃO NEUTRA AO RISCO ATRAVÉS DA TRANSFORMADA DE ESSCHER EMPÍRICA

• Autor(a) principal: MANOEL FRANCISCO DE SOUZA PEREIRA
• Data de Publicação: 2016
• Tipo de documento: Tese
• Idioma: eng
• Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
• Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30499@1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30499@2

Esta tese é composta de três estudos referentes ao uso de uma versão empírica da Transformada de Esscher para o apreçamento não paramétrico de opções. O primeiro introduz a transformada Esscher empírica e compara seu desempenho contra algumas bem conhecidas abordagens de apreçamento de opções paramétricas. Em nossa proposta, fazemos apenas suposições simples sobre o pricing kernel e não há necessidade de um modelo neutro ao risco. No segundo estudo, propomos um método de apreçamento de opções não paramétrico sob uma estrutura GARCH com inovações não Gaussianas. Vários artigos estenderam o apreçamento de opções não paramétrico e fornecendo evidências que esta metodologia funciona adequadamente na presença de séries temporais financeiras realistas. Para representar uma série temporal realista, usamos uma nova classe de modelo conduzido pela observação, denominado modelo de score condicional dinâmico, proposto por Harvey (2013), para modelar a volatilidade (e a cauda pesada) do preço do ativo. Finalmente, no terceiro estudo, introduzimos uma nova abordagem para a estimação indireta dos state-prices implícitos nos preços dos ativos financeiros a partir da transformada Esscher empírica. Primeiro, generalizamos a versão discreta do método de Breeden e Litzenberger (1978) para o caso em que os estados não são igualmente espaçados. Em segundo lugar, utilizamos a distribuição histórica do preço do ativo subjacente e os preços das opções observadas para estimar o parâmetro Esscher implícito.