New volatility models under a Bayesian perspective: a case study
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | eng |
Título da fonte: | Economia Aplicada |
Texto Completo: | https://www.revistas.usp.br/ecoa/article/view/87957 |
Resumo: | 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. |
id |
USP-21_d51fbfbee1b2acb6770b1cc0c561094f |
---|---|
oai_identifier_str |
oai:revistas.usp.br:article/87957 |
network_acronym_str |
USP-21 |
network_name_str |
Economia Aplicada |
repository_id_str |
|
spelling |
New volatility models under a Bayesian perspective: a case study 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. In this paper, we present a brief description of ARCH, GARCH and EGARCH models. Usually, their parameter estimates are obtained using maximum likelihood methods. Considering new methodological processes to model the volatilities of time series, we need to use other inference approach to get estimates for the parameters of the models, since we can encouter great difficulties in obtaining the maximum likelihood estimates due to the complexity of the likelihood function. In this way, we obtain the inferences for the volatilities of time series under a Bayesian approach, especially using popular simulation algorithms such as the Markov Chain Monte Carlo (MCMC) methods. As an application to illustrate the proposed methodology, we analyze a financial time series of the Gillette Company ranging from January, 1999 to May, 2003. Universidade de São Paulo, FEA-RP/USP2014-06-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://www.revistas.usp.br/ecoa/article/view/8795710.1590/1413-8050/ea91Economia Aplicada; Vol. 18 No. 2 (2014); 179-197Economia Aplicada; Vol. 18 Núm. 2 (2014); 179-197Economia Aplicada; v. 18 n. 2 (2014); 179-1971980-53301413-8050reponame:Economia Aplicadainstname:Universidade de São Paulo (USP)instacron:USPenghttps://www.revistas.usp.br/ecoa/article/view/87957/90850Copyright (c) 2015 Economia Aplicadainfo:eu-repo/semantics/openAccessCuervo, Edilberto CepedaAchcar, Jorge AlbertoBarossi-Filho, Milton2016-02-03T16:59:20Zoai:revistas.usp.br:article/87957Revistahttps://www.revistas.usp.br/ecoaPUBhttps://www.revistas.usp.br/ecoa/oai||revecap@usp.br1980-53301413-8050opendoar:2023-09-13T12:17:02.018218Economia Aplicada - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
New volatility models under a Bayesian perspective: a case study |
title |
New volatility models under a Bayesian perspective: a case study |
spellingShingle |
New volatility models under a Bayesian perspective: a case study Cuervo, Edilberto Cepeda |
title_short |
New volatility models under a Bayesian perspective: a case study |
title_full |
New volatility models under a Bayesian perspective: a case study |
title_fullStr |
New volatility models under a Bayesian perspective: a case study |
title_full_unstemmed |
New volatility models under a Bayesian perspective: a case study |
title_sort |
New volatility models under a Bayesian perspective: a case study |
author |
Cuervo, Edilberto Cepeda |
author_facet |
Cuervo, Edilberto Cepeda Achcar, Jorge Alberto Barossi-Filho, Milton |
author_role |
author |
author2 |
Achcar, Jorge Alberto Barossi-Filho, Milton |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Cuervo, Edilberto Cepeda Achcar, Jorge Alberto Barossi-Filho, Milton |
description |
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. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-06-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.revistas.usp.br/ecoa/article/view/87957 10.1590/1413-8050/ea91 |
url |
https://www.revistas.usp.br/ecoa/article/view/87957 |
identifier_str_mv |
10.1590/1413-8050/ea91 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
https://www.revistas.usp.br/ecoa/article/view/87957/90850 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2015 Economia Aplicada info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2015 Economia Aplicada |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade de São Paulo, FEA-RP/USP |
publisher.none.fl_str_mv |
Universidade de São Paulo, FEA-RP/USP |
dc.source.none.fl_str_mv |
Economia Aplicada; Vol. 18 No. 2 (2014); 179-197 Economia Aplicada; Vol. 18 Núm. 2 (2014); 179-197 Economia Aplicada; v. 18 n. 2 (2014); 179-197 1980-5330 1413-8050 reponame:Economia Aplicada instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Economia Aplicada |
collection |
Economia Aplicada |
repository.name.fl_str_mv |
Economia Aplicada - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
||revecap@usp.br |
_version_ |
1800221695059951616 |