Modelling and forecasting brent prices
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10071/4466 |
Resumo: | Desde o início dos tempos que o Brent, mais conhecido por petróleo, tem sido uti-lizado em diversas aplicações, devido à sua elevada densidade energética, facilidade de transporte e relativa abundância. Nos últimos anos, o Brent tornou-se na fonte de energia mais importante, desempenhando um papel preponderante na manutenção da nossa actual sociedade. Neste contexto, o objectivo principal deste trabalho é mode-lar e prever os preços mensais e diários do Brent, de forma a melhor compreender e antever o seu comportamento. Na modelação e previsão dos preços utilizaram-se duas abordagens diferentes. A primeira baseia-se na análise de séries temporais com memória longa. A presença de memória longa é veri cada na média condicional e modelada a partir de modelos ARFIMA. Esta característica é também analisada na volatilidade da série e mode-lada através de modelos FIGARCH, FIAPARCH ou FIEGARCH. A outra abordagem considera modelos estocásticos de mudança de regime, nomeadamente modelos STAR, SETAR e MS-AR. A modelação dos preços diários de Brent é feita com base em modelos de séries tem-porais considerando memória longa, uma vez que esta característica foi identi cada na volatilidade da série. Modelos de mudança de regime foram também aplicados, no en-tanto a hipótese de não linearidade foi rejeitada. Relativamente aos resultados obtidos para a série mensal de preços, não foi detectada a presença de heteroscedasticidade condicional nem de memória longa. Os modelos de mudança de regime foram também considerados e, neste caso, foi identi cado um modelo de dois estados, veri cando-se diferenças signi cativas entre os regimes identi cados. |
id |
RCAP_497bb07d3c58e37a028364072eb47396 |
---|---|
oai_identifier_str |
oai:repositorio.iscte-iul.pt:10071/4466 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Modelling and forecasting brent pricesPreço do BrentModelos de séries temporais com memória longaModelos de mudança de regimePrevisõesBrent pricesLong memory time series modelsRegime-switching modelsForecastingDesde o início dos tempos que o Brent, mais conhecido por petróleo, tem sido uti-lizado em diversas aplicações, devido à sua elevada densidade energética, facilidade de transporte e relativa abundância. Nos últimos anos, o Brent tornou-se na fonte de energia mais importante, desempenhando um papel preponderante na manutenção da nossa actual sociedade. Neste contexto, o objectivo principal deste trabalho é mode-lar e prever os preços mensais e diários do Brent, de forma a melhor compreender e antever o seu comportamento. Na modelação e previsão dos preços utilizaram-se duas abordagens diferentes. A primeira baseia-se na análise de séries temporais com memória longa. A presença de memória longa é veri cada na média condicional e modelada a partir de modelos ARFIMA. Esta característica é também analisada na volatilidade da série e mode-lada através de modelos FIGARCH, FIAPARCH ou FIEGARCH. A outra abordagem considera modelos estocásticos de mudança de regime, nomeadamente modelos STAR, SETAR e MS-AR. A modelação dos preços diários de Brent é feita com base em modelos de séries tem-porais considerando memória longa, uma vez que esta característica foi identi cada na volatilidade da série. Modelos de mudança de regime foram também aplicados, no en-tanto a hipótese de não linearidade foi rejeitada. Relativamente aos resultados obtidos para a série mensal de preços, não foi detectada a presença de heteroscedasticidade condicional nem de memória longa. Os modelos de mudança de regime foram também considerados e, neste caso, foi identi cado um modelo de dois estados, veri cando-se diferenças signi cativas entre os regimes identi cados.Since early times, the Brent, usually know as crude oil or petroleum, has been used in several elds due to its high energy density, easy transportability, and relative abun-dance. During the past years, it has become the most important source of energy in the world, and it plays a prominent part in the maintenance of our modernised and industrialised civilization. Therefore, the aim of this work is to analyse, understand and forecast the Brent prices behaviour, on a daily and monthly basis. To model and forecast Brent prices, two di erent approaches have been considered. In the rst approach, the presence of long memory is tested in the conditional mean and modelled by using long memory time series models, namely ARFIMA models. The long memory characteristic is also checked in the volatility, and it is modelled with FI-GARCH models, or some of their variants, namely FIAPARCH or FIEGARCH models. The alternative approach considers stochastic regime-switching models, namely STAR, SETAR and MS-AR models. The results obtained from the daily Brent prices analysis suggest that the data under investigation should be modelled with long memory time series, as there was evidence of long-range dependence on the volatility of the Brent prices. Regime-switching models were also applied to the daily data, but the hypothesis of non-linearity was rejected. Regarding the monthly Brent prices, neither conditional heteroskedasticity nor long-range dependence were identi ed. Regime-switching models were also considered, and in this case a two state model was identi ed, showing clear di erences between the achieved regimes.2013-01-28T17:38:44Z2010-01-01T00:00:00Z20102010-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/octet-streamhttp://hdl.handle.net/10071/4466porSilva, Tânia Cristina Dinis Marques einfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-09T18:02:31Zoai:repositorio.iscte-iul.pt:10071/4466Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:33:44.944882Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Modelling and forecasting brent prices |
title |
Modelling and forecasting brent prices |
spellingShingle |
Modelling and forecasting brent prices Silva, Tânia Cristina Dinis Marques e Preço do Brent Modelos de séries temporais com memória longa Modelos de mudança de regime Previsões Brent prices Long memory time series models Regime-switching models Forecasting |
title_short |
Modelling and forecasting brent prices |
title_full |
Modelling and forecasting brent prices |
title_fullStr |
Modelling and forecasting brent prices |
title_full_unstemmed |
Modelling and forecasting brent prices |
title_sort |
Modelling and forecasting brent prices |
author |
Silva, Tânia Cristina Dinis Marques e |
author_facet |
Silva, Tânia Cristina Dinis Marques e |
author_role |
author |
dc.contributor.author.fl_str_mv |
Silva, Tânia Cristina Dinis Marques e |
dc.subject.por.fl_str_mv |
Preço do Brent Modelos de séries temporais com memória longa Modelos de mudança de regime Previsões Brent prices Long memory time series models Regime-switching models Forecasting |
topic |
Preço do Brent Modelos de séries temporais com memória longa Modelos de mudança de regime Previsões Brent prices Long memory time series models Regime-switching models Forecasting |
description |
Desde o início dos tempos que o Brent, mais conhecido por petróleo, tem sido uti-lizado em diversas aplicações, devido à sua elevada densidade energética, facilidade de transporte e relativa abundância. Nos últimos anos, o Brent tornou-se na fonte de energia mais importante, desempenhando um papel preponderante na manutenção da nossa actual sociedade. Neste contexto, o objectivo principal deste trabalho é mode-lar e prever os preços mensais e diários do Brent, de forma a melhor compreender e antever o seu comportamento. Na modelação e previsão dos preços utilizaram-se duas abordagens diferentes. A primeira baseia-se na análise de séries temporais com memória longa. A presença de memória longa é veri cada na média condicional e modelada a partir de modelos ARFIMA. Esta característica é também analisada na volatilidade da série e mode-lada através de modelos FIGARCH, FIAPARCH ou FIEGARCH. A outra abordagem considera modelos estocásticos de mudança de regime, nomeadamente modelos STAR, SETAR e MS-AR. A modelação dos preços diários de Brent é feita com base em modelos de séries tem-porais considerando memória longa, uma vez que esta característica foi identi cada na volatilidade da série. Modelos de mudança de regime foram também aplicados, no en-tanto a hipótese de não linearidade foi rejeitada. Relativamente aos resultados obtidos para a série mensal de preços, não foi detectada a presença de heteroscedasticidade condicional nem de memória longa. Os modelos de mudança de regime foram também considerados e, neste caso, foi identi cado um modelo de dois estados, veri cando-se diferenças signi cativas entre os regimes identi cados. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-01-01T00:00:00Z 2010 2010-11 2013-01-28T17:38:44Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10071/4466 |
url |
http://hdl.handle.net/10071/4466 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/octet-stream |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799134899080265728 |