Avaliação da habilidade preditiva entre modelos Garch multivariados : uma análise baseada no critério Model Confidence Set

• Autor(a) principal: Borges, Bruna Kasprzak
• Data de Publicação: 2012
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/70011
• topic: Mercado financeiro; Inferência estatística; Estimação; Multivariate GARCH; Variance matrix forecasting; Loss function; Model confidence set

Esta dissertação analisa a questão da seleção de modelos GARCH multivariados em termos da perfomance de previsão da matriz de covariância condicional. A aplicação empírica é realizada com 7 retornos de índices de ações envolvendo um conjunto de 34 especificações de modelos para os quais computamos as previsões da variância condicional um passo a frente para uma amostra com 60 observações para cada especificação dos modelos GARCH multivariados. A comparação entre os modelos é baseada no procedimento Model Confidence Set (MCS) avaliado através de duas funções perdas robustas a proxies de volatilidade imperfeitas. O MCS é um procedimento que permite comparar vários modelos simultaneamente em termos de sua habilidade preditiva e determinar um conjunto de modelos estatisticamente semelhantes em termos de previsão, dado um nível de confiança.