Previsão de volatilidade a tempo discreto : uma abordagem via regressão quantílica

Detalhes bibliográficos
Autor(a) principal: Oliveira, Víctor Henriques de
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/202120
Resumo: Este trabalho propõe o Heterogeneous Quantile Autoregressive Distributed Lag Realized Volatility, with Jumps and Leverage Effect (HQADL-RV-JL). A especificação incorpora os principais fatos estilizados da volatilidade, inserindo-se na classe de modelos HAR, sob a estrutura da Regressão Quantílica. Esta abordagem permite a flexibilidade dos coeficientes autoregressivos em cada quantil, onde cada regressor pode ter um impacto sobre a escala, locação e forma da distribuição condicional da resposta. O modelo foi estimado em uma grade equi-espa¸cada percorrendo 91 níveis quantílicos, entre 0,05 e 0,95, utilizando a série de retornos de alta frequência do índice S&P500. Os resultados mostram que as estimativas do componente contínuo da volatilidade são estatisticamente significantes em todos os níveis quantílicos, para as frequências diárias, semanais e mensais. Por sua vez, os coeficientes diário e semanal, associados ao componente de saltos e alavancagem, foram significantes em quase todos os níveis quantílicos, evidenciando não apenas a adequação de ambos os efeitos assimétricos quanto a seu ajuste à especificação semiparamétrica, mas também a sua importância para a formação da volatilidade futura dos retornos. Em termos de performance, os resultados sugerem que a previsão da mediana do modelo proposto é tão boa quanto a previsão da esperança condicional da especificaçã proposta por Corsi e Ren`o (2012) para o médio e longo prazo. Em última análise, também foi realizada a previsão da densidade da volatilidade realizada para os últimos quatro dias da amostra. Os aspectos distribucionais das densidades previstas exibem assimetrias em determinado grau, assumindo a forma de uma distribuição bimodal.
id URGS_4dde48d2849f9cdb50127c85497aba8d
oai_identifier_str oai:www.lume.ufrgs.br:10183/202120
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Oliveira, Víctor Henriques deHorta, Eduardo de Oliveira2019-11-28T03:56:23Z2019http://hdl.handle.net/10183/202120001107103Este trabalho propõe o Heterogeneous Quantile Autoregressive Distributed Lag Realized Volatility, with Jumps and Leverage Effect (HQADL-RV-JL). A especificação incorpora os principais fatos estilizados da volatilidade, inserindo-se na classe de modelos HAR, sob a estrutura da Regressão Quantílica. Esta abordagem permite a flexibilidade dos coeficientes autoregressivos em cada quantil, onde cada regressor pode ter um impacto sobre a escala, locação e forma da distribuição condicional da resposta. O modelo foi estimado em uma grade equi-espa¸cada percorrendo 91 níveis quantílicos, entre 0,05 e 0,95, utilizando a série de retornos de alta frequência do índice S&P500. Os resultados mostram que as estimativas do componente contínuo da volatilidade são estatisticamente significantes em todos os níveis quantílicos, para as frequências diárias, semanais e mensais. Por sua vez, os coeficientes diário e semanal, associados ao componente de saltos e alavancagem, foram significantes em quase todos os níveis quantílicos, evidenciando não apenas a adequação de ambos os efeitos assimétricos quanto a seu ajuste à especificação semiparamétrica, mas também a sua importância para a formação da volatilidade futura dos retornos. Em termos de performance, os resultados sugerem que a previsão da mediana do modelo proposto é tão boa quanto a previsão da esperança condicional da especificaçã proposta por Corsi e Ren`o (2012) para o médio e longo prazo. Em última análise, também foi realizada a previsão da densidade da volatilidade realizada para os últimos quatro dias da amostra. Os aspectos distribucionais das densidades previstas exibem assimetrias em determinado grau, assumindo a forma de uma distribuição bimodal.I propose the Heterogeneous Quantile Autoregressive Distributed Lag Realized Volatility, with Jumps and Leverage Effect (HQADL-RV-JL). The specification incorporates the main stylized volatility facts, falling into HAR model class under the Quantile Regression framework. This approach allows for the flexibility of autoregressive coefficients across the quantiles, where each regressor may have an impact on scale, location and shape of conditional response distribution. The model was estimated on an equally spaced grid spanning 91 quantile levels between 0.05 and 0.95, using S&P500 index high-frequency returns. The results shows that the estimates of continuous volatility components are highly significant across the quantile levels, considering the daily, weekly and monthly frequencies. Furthermore, the daily and weekly coefficients for the jumps and leverage components were significant for almost all quantile levels, highlighting not only the adequacy of both asymmetric effects concerning their adjustments to this semiparametric specification, but also its importance for future volatility of returns. Regarding its performance, the results suggests that median forecast of the propose model is as good as the conditional mean prediction of Corsi e Ren`o (2012) specification in the medium and long term. Lastly, it was also performed the volatility density forecast for the last four days of the sample. The distributional aspects of the predicted densities exhibit asymmetries to a certain degree, taking the form of a bimodal distribution.application/pdfporVolatilidadeEconomiaVolatility forecastConditional quantileQuantile regressionConditional density forecastPrevisão de volatilidade a tempo discreto : uma abordagem via regressão quantílicainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulFaculdade de Ciências EconômicasPrograma de Pós-Graduação em EconomiaPorto Alegre, BR-RS2019mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001107103.pdf.txt001107103.pdf.txtExtracted Texttext/plain97073http://www.lume.ufrgs.br/bitstream/10183/202120/2/001107103.pdf.txt609a6e42c630c05ae73f864dfc3dc1e5MD52ORIGINAL001107103.pdfTexto completoapplication/pdf2173208http://www.lume.ufrgs.br/bitstream/10183/202120/1/001107103.pdfdd89878133288d43b56f259d18da49c1MD5110183/2021202019-11-29 05:02:03.636683oai:www.lume.ufrgs.br:10183/202120Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532019-11-29T07:02:03Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Previsão de volatilidade a tempo discreto : uma abordagem via regressão quantílica
title Previsão de volatilidade a tempo discreto : uma abordagem via regressão quantílica
spellingShingle Previsão de volatilidade a tempo discreto : uma abordagem via regressão quantílica
Oliveira, Víctor Henriques de
Volatilidade
Economia
Volatility forecast
Conditional quantile
Quantile regression
Conditional density forecast
title_short Previsão de volatilidade a tempo discreto : uma abordagem via regressão quantílica
title_full Previsão de volatilidade a tempo discreto : uma abordagem via regressão quantílica
title_fullStr Previsão de volatilidade a tempo discreto : uma abordagem via regressão quantílica
title_full_unstemmed Previsão de volatilidade a tempo discreto : uma abordagem via regressão quantílica
title_sort Previsão de volatilidade a tempo discreto : uma abordagem via regressão quantílica
author Oliveira, Víctor Henriques de
author_facet Oliveira, Víctor Henriques de
author_role author
dc.contributor.author.fl_str_mv Oliveira, Víctor Henriques de
dc.contributor.advisor1.fl_str_mv Horta, Eduardo de Oliveira
contributor_str_mv Horta, Eduardo de Oliveira
dc.subject.por.fl_str_mv Volatilidade
Economia
topic Volatilidade
Economia
Volatility forecast
Conditional quantile
Quantile regression
Conditional density forecast
dc.subject.eng.fl_str_mv Volatility forecast
Conditional quantile
Quantile regression
Conditional density forecast
description Este trabalho propõe o Heterogeneous Quantile Autoregressive Distributed Lag Realized Volatility, with Jumps and Leverage Effect (HQADL-RV-JL). A especificação incorpora os principais fatos estilizados da volatilidade, inserindo-se na classe de modelos HAR, sob a estrutura da Regressão Quantílica. Esta abordagem permite a flexibilidade dos coeficientes autoregressivos em cada quantil, onde cada regressor pode ter um impacto sobre a escala, locação e forma da distribuição condicional da resposta. O modelo foi estimado em uma grade equi-espa¸cada percorrendo 91 níveis quantílicos, entre 0,05 e 0,95, utilizando a série de retornos de alta frequência do índice S&P500. Os resultados mostram que as estimativas do componente contínuo da volatilidade são estatisticamente significantes em todos os níveis quantílicos, para as frequências diárias, semanais e mensais. Por sua vez, os coeficientes diário e semanal, associados ao componente de saltos e alavancagem, foram significantes em quase todos os níveis quantílicos, evidenciando não apenas a adequação de ambos os efeitos assimétricos quanto a seu ajuste à especificação semiparamétrica, mas também a sua importância para a formação da volatilidade futura dos retornos. Em termos de performance, os resultados sugerem que a previsão da mediana do modelo proposto é tão boa quanto a previsão da esperança condicional da especificaçã proposta por Corsi e Ren`o (2012) para o médio e longo prazo. Em última análise, também foi realizada a previsão da densidade da volatilidade realizada para os últimos quatro dias da amostra. Os aspectos distribucionais das densidades previstas exibem assimetrias em determinado grau, assumindo a forma de uma distribuição bimodal.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-11-28T03:56:23Z
dc.date.issued.fl_str_mv 2019
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/10183/202120
dc.identifier.nrb.pt_BR.fl_str_mv 001107103
url http://hdl.handle.net/10183/202120
identifier_str_mv 001107103
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
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/202120/2/001107103.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/202120/1/001107103.pdf
bitstream.checksum.fl_str_mv 609a6e42c630c05ae73f864dfc3dc1e5
dd89878133288d43b56f259d18da49c1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800309157097635840