[en] GARCH MODELS IDENTIFICATION USING COMPUTATIONAL INTELLIGENCE

• Autor(a) principal: ANDRE MACHADO CALDEIRA
• Data de Publicação: 2010
• Tipo de documento: Outros
• Idioma: por
• Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
• Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14872@1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=14872@2; http://doi.org/10.17771/PUCRio.acad.14872
• topic: [pt] IDENTIFICACAO; [pt] INTELIGENCIA COMPUTACIONAL; [pt] REDE NEURAL; [en] IDENTIFICATION; [en] COMPUTATIONAL INTELLIGENCE; [en] NEURAL NETWORKS

[pt] Os modelos ARCH e GARCH vêm sendo bastante explorados tanto tecnicamente quanto em estudos empíricos desde suas respectivas criações em 1982 e 1986. Contudo, o enfoque sempre foi na reprodução dos fatos estilizados das séries financeiras e na previsão de volatilidade, onde o GARCH(1,1) é o mais utilizado. Estudos sobre identificação dos modelos GARCH são muito raros. Diante desse contexto, este trabalho propõe um sistema inteligente para melhorar a identificação da correta especificação dos modelos GARCH, evitando assim o uso indiscriminado dos modelos GARCH(1,1). Para validar a eficácia do sistema proposto, séries simuladas foram utilizadas. Os resultados derivados desse sistema são comparados com os modelos escolhidos pelos critérios de informação AIC e BIC. O desempenho das previsões dos modelos identificados por esses métodos são comparados utilizando-se séries reais.