Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional

Detalhes bibliográficos
Autor(a) principal: Maciel, Leandro dos Santos, 1986-
Data de Publicação: 2012
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1618182
Resumo: Orientadores: Fernando Antonio Campos Gomide, Rosangela Ballini
id UNICAMP-30_a4566df858006e3fc1bd5720a0bef5ca
oai_identifier_str oai::869281
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacionalTerm structure of interest rate modeling and forecasting using computational intelligence techniquesTaxas de jurosComputação evolutivaSistemas nebulososSistemas de computação adaptativosAnálise de séries temporaisInterest ratesEvolutionary computationFuzzy systemsAdaptive computing systemsTime-series analysisOrientadores: Fernando Antonio Campos Gomide, Rosangela BalliniDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de ComputaçãoResumo: Este trabalho propõe a utilização de técnicas de inteligência computacional para a estimação e previsão da estrutura a termo das taxas de juros, com base em dados dos mercados de renda fixa dos Estados Unidos e Brasil. Para o problema de estimação da curva de juros, as técnicas de computação evolucionária, Algoritmos Genéticos, Evolução Diferencial e Estratégias Evolutivas, foram comparadas com abordagens tradicionais da literatura, como mínimos quadrados não-lineares e programação quadrática sequencial. A motivação da aplicação de técnicas de computação evolucionária no problema de estimação da estrutura a termo busca superar limitações como não-convergência e elevada instabilidade dos parâmetros à inicialização. Além disso, recentemente, a literatura tem apontado o elevado desempenho dos algoritmos genéticos em problemas de modelagem da curva de rendimentos. Outra contribuição deste trabalho consiste no desenvolvimento de um modelo nebuloso evolutivo de aprendizado participativo estendido, denominado ePL+, que inclui em sua versão original, ePL, mecanismos para aumentar sua autonomia e adaptabilidade na modelagem de sistemas complexos. Dessa forma, o modelo ePL+ e outros modelos nebulosos funcionais evolutivos foram avaliados na questão da previsão das taxas futuras de juros, em contraposição com modelos econométricos baseados em processos autoregressivos e modelos de redes neurais artificiais multi-camadas, uma vez que a evolução das taxas de juros apresenta uma dinâmica altamente não-linear e variante no tempo, justificando a ideia de modelagem adaptativa. O desempenho dos métodos considerados foi avaliado em termos de métricas de erro, complexidade computacional e por meio de testes estatísticos paramétricos e não-paramétricos, MGN e SIGN, respectivamente. Os resultados evidenciaram o elevado potencial dos modelos de inteligência computacional na estimação e previsão da estrutura a termo em ambas economias consideradas, constatado pelo melhor desempenho, em termos de ajuste e significância estatística, em relação às técnicas de otimização de parâmetros e econométricas mais utilizadas na literaturaAbstract: This work proposes the term structure of interest rates modeling and forecasting using computational intelligence techniques, based on data from the US and Brazilian fixed income markets. The yield curve modeling includes the use of some evolutionary computation methods like Genetic Algorithms, Differential Evolution and Evolution Strategies in comparison with traditional optimization techniques such as nonlinear least squares and sequential quadratic programming. The motivation behind the use of evolutionary computation to yield curve estimation aims to overcome limitations like non-convergence and high parameters instability to initialization. Moreover, recently, the literature has been shown the higher performance of genetic algorithms in yield curve modeling problems. This work also contributes by developing an extended participatory learning fuzzy model, called ePL+, which includes on its original version, ePL, mechanisms to improve its autonomy and adaptability in complex systems modeling. Therefore, the ePL+ model and some evolving functional fuzzy approaches were evaluated in the future interest rates forecasting, as opposed to econometric models based on autoregressive processes and multilayer artificial neural networks methodologies, since interest rates evolution shows a high non-linear dynamics and also time-varying, justifying the idea of adaptive modeling. Models' performance were compared in terms of error measures, computational complexity and by parametric and non-parametric statistical tests, MGN and SIGN, respectively. The results reveal the high potential of computational intelligence methods to deal with the term structure modeling and forecasting for both economies considered, as pointed out by their adjustment and statistical superior performance then traditional optimization and econometrics techniques reported in the literatureMestradoAutomaçãoMestre em Engenharia Elétrica[s.n.]Gomide, Fernando Antonio Campos, 1951-Ballini, Rosangela, 1969-Attux, Romis Ribeiro de FaissolSilveira, Rodrigo Lanna Franco daUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de ComputaçãoPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASMaciel, Leandro dos Santos, 1986-2012info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf114 p. : il.https://hdl.handle.net/20.500.12733/1618182MACIEL, Leandro dos Santos. Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional. 2012. 114 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1618182. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/869281porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-05-04T20:50:51Zoai::869281Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-05-04T20:50:51Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional
Term structure of interest rate modeling and forecasting using computational intelligence techniques
title Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional
spellingShingle Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional
Maciel, Leandro dos Santos, 1986-
Taxas de juros
Computação evolutiva
Sistemas nebulosos
Sistemas de computação adaptativos
Análise de séries temporais
Interest rates
Evolutionary computation
Fuzzy systems
Adaptive computing systems
Time-series analysis
title_short Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional
title_full Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional
title_fullStr Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional
title_full_unstemmed Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional
title_sort Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional
author Maciel, Leandro dos Santos, 1986-
author_facet Maciel, Leandro dos Santos, 1986-
author_role author
dc.contributor.none.fl_str_mv Gomide, Fernando Antonio Campos, 1951-
Ballini, Rosangela, 1969-
Attux, Romis Ribeiro de Faissol
Silveira, Rodrigo Lanna Franco da
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
Programa de Pós-Graduação em Engenharia Elétrica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Maciel, Leandro dos Santos, 1986-
dc.subject.por.fl_str_mv Taxas de juros
Computação evolutiva
Sistemas nebulosos
Sistemas de computação adaptativos
Análise de séries temporais
Interest rates
Evolutionary computation
Fuzzy systems
Adaptive computing systems
Time-series analysis
topic Taxas de juros
Computação evolutiva
Sistemas nebulosos
Sistemas de computação adaptativos
Análise de séries temporais
Interest rates
Evolutionary computation
Fuzzy systems
Adaptive computing systems
Time-series analysis
description Orientadores: Fernando Antonio Campos Gomide, Rosangela Ballini
publishDate 2012
dc.date.none.fl_str_mv 2012
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 https://hdl.handle.net/20.500.12733/1618182
MACIEL, Leandro dos Santos. Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional. 2012. 114 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1618182. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1618182
identifier_str_mv MACIEL, Leandro dos Santos. Estimação e previsão da estrutura a termo das taxas de juros usando técnicas de inteligência computacional. 2012. 114 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1618182. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/869281
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
114 p. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189080815108096

Registros relacionados