Modelos GARCH com distribuições não Gaussianas

Detalhes bibliográficos
Autor(a) principal: Rogério Oliveira Ribeiro
Data de Publicação: 2000
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://doi.org/10.11606/D.45.2000.tde-20210729-122652
Resumo: A ênfase do trabalho está na modelagem de séries financeiras. O presente trabalho investiga, em modelos GARCH, como a suposição de distribuição dos erros padronizados pode afetar a previsão por intervalo da série em estudo. Simulações foram realizadas com o intuito de comparar os modelos GARCH com erros padronizados seguindo distribuição normal, t-student e normal contaminada. Uma série real foi estudada utilizando três diferentes suposições sobre a distribuição dos erros padronizados. A conclusão geral é que existe considerável benefício na previsão por intervalo quando são utilizadas distribuições com excesso de curtose quando comparadas à distribuição normal
id USP_2706a78a8181f9bb80204415eda3d4ce
oai_identifier_str oai:teses.usp.br:tde-20210729-122652
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Modelos GARCH com distribuições não Gaussianas not available 2000-04-07Mariane StreibelRogério Oliveira RibeiroUniversidade de São PauloEstatísticaUSPBR Análise De Séries Temporais Estatística Aplicada Probabilidade A ênfase do trabalho está na modelagem de séries financeiras. O presente trabalho investiga, em modelos GARCH, como a suposição de distribuição dos erros padronizados pode afetar a previsão por intervalo da série em estudo. Simulações foram realizadas com o intuito de comparar os modelos GARCH com erros padronizados seguindo distribuição normal, t-student e normal contaminada. Uma série real foi estudada utilizando três diferentes suposições sobre a distribuição dos erros padronizados. A conclusão geral é que existe considerável benefício na previsão por intervalo quando são utilizadas distribuições com excesso de curtose quando comparadas à distribuição normal The enphasis of this dissertation is financial time series models. This dissertation investigates, in GARCH models, how the assumption about standard error distribution effects the time series prediction by interval. Simulations were carried out in order to compare GARCH models with standard errors following normal distribution, t-student distribution and contaminated normal distribution. A real time series was analyzed assuming three different distribution for standard errors. The overall conclusion is that there can be considerable benefits in predictions by interval using distributions with excess of curtose with respect to gaussian distribution https://doi.org/10.11606/D.45.2000.tde-20210729-122652info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T19:40:44Zoai:teses.usp.br:tde-20210729-122652Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T13:02:15.826603Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Modelos GARCH com distribuições não Gaussianas
dc.title.alternative.en.fl_str_mv not available
title Modelos GARCH com distribuições não Gaussianas
spellingShingle Modelos GARCH com distribuições não Gaussianas
Rogério Oliveira Ribeiro
title_short Modelos GARCH com distribuições não Gaussianas
title_full Modelos GARCH com distribuições não Gaussianas
title_fullStr Modelos GARCH com distribuições não Gaussianas
title_full_unstemmed Modelos GARCH com distribuições não Gaussianas
title_sort Modelos GARCH com distribuições não Gaussianas
author Rogério Oliveira Ribeiro
author_facet Rogério Oliveira Ribeiro
author_role author
dc.contributor.advisor1.fl_str_mv Mariane Streibel
dc.contributor.author.fl_str_mv Rogério Oliveira Ribeiro
contributor_str_mv Mariane Streibel
description A ênfase do trabalho está na modelagem de séries financeiras. O presente trabalho investiga, em modelos GARCH, como a suposição de distribuição dos erros padronizados pode afetar a previsão por intervalo da série em estudo. Simulações foram realizadas com o intuito de comparar os modelos GARCH com erros padronizados seguindo distribuição normal, t-student e normal contaminada. Uma série real foi estudada utilizando três diferentes suposições sobre a distribuição dos erros padronizados. A conclusão geral é que existe considerável benefício na previsão por intervalo quando são utilizadas distribuições com excesso de curtose quando comparadas à distribuição normal
publishDate 2000
dc.date.issued.fl_str_mv 2000-04-07
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://doi.org/10.11606/D.45.2000.tde-20210729-122652
url https://doi.org/10.11606/D.45.2000.tde-20210729-122652
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.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Estatística
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1794502922283778048

Registros relacionados