New volatility models under a Bayesian perspective: a case study

• Autor(a) principal: Cuervo, Edilberto Cepeda
• Data de Publicação: 2014
• Outros Autores: Achcar, Jorge Alberto, Barossi-Filho, Milton
• Tipo de documento: Artigo
• Idioma: eng
• Título da fonte: Economia Aplicada
• Texto Completo: https://www.revistas.usp.br/ecoa/article/view/87957

Neste artigo, apresentamos uma breve descrição dos modelos ARCH, GARCH e EGARCH. Normalmente, as estimativas dos parâmetros desses modelos são obtidos através de métodos de máxima verossimilhança. Considerando-se novos processos metodológicos para modelar as volatilidades das séries temporais, precisamos usar outra abordagem de inferência para obter estimativas para os parâmetros dos modelos, uma vez que podemos ter grandes dificuldades para obter as estimativas de máxima verossimilhança, devido à complexidade da função de verossimilhança. Desta forma, obtemos as inferências para as volatilidades das séries temporais sob uma abordagem bayesiana, especialmente com o uso de algoritmos populares de simulação como o método de Monte Carlo em Cadeias de Markov (MCCM). Como uma aplicação para ilustrar a metodologia proposta, analisamos uma série temporal financeira da empresa Gillette variando de janeiro de 1999 à maio de 2003.