Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras

Detalhes bibliográficos
Autor(a) principal: Solda, Grazielle Yumi
Data de Publicação: 2008
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/45/45133/tde-03052008-170204/
Resumo: O objetivo deste trabalho é apresentar e comparar diferentes métodos de modelagem da volatilidade (variância condicional) de séries temporais financeiras. O modelo ARFIMA é empregado para capturar o comportamento de memória longa observado na volatilidade de séries financeiras. Por sua vez, o modelo GARCH é utilizado para modelar a volatilidade variando no tempo destas séries. Finalmente, o modelo FIGARCH é utilizado para modelar a dinâmica dos retornos de séries temporais financeiras juntamente com sua volatilidade. Serão apresentados alguns estimadores para os parâmetros dos modelos estudados. Foram realizadas simulações dos três tipos de modelos com o objetivo de comparar o comportamento dos estimadores para diferentes valores dos parâmetros. Por fim, serão apresentadas aplicações em séries reais.
id USP_cd81f416debb7d52103cd270e07b867d
oai_identifier_str oai:teses.usp.br:tde-03052008-170204
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Modelos de memória longa, GARCH e GARCH com memória longa para séries financeirasLong memory, GARCH and long memory GARCH models for financial time seriesasset returnsconditional varianceFIGARCHFIGARCHGARCHGARCHLong memoryMemória longaretornosvariância condicionalvolatilidadevolatilityO objetivo deste trabalho é apresentar e comparar diferentes métodos de modelagem da volatilidade (variância condicional) de séries temporais financeiras. O modelo ARFIMA é empregado para capturar o comportamento de memória longa observado na volatilidade de séries financeiras. Por sua vez, o modelo GARCH é utilizado para modelar a volatilidade variando no tempo destas séries. Finalmente, o modelo FIGARCH é utilizado para modelar a dinâmica dos retornos de séries temporais financeiras juntamente com sua volatilidade. Serão apresentados alguns estimadores para os parâmetros dos modelos estudados. Foram realizadas simulações dos três tipos de modelos com o objetivo de comparar o comportamento dos estimadores para diferentes valores dos parâmetros. Por fim, serão apresentadas aplicações em séries reais.The goal of this project is to present and compare differents methods of modeling volatility (conditional variance) in financial time series. ARFIMA model is applied to capture long memory behavior of volatility in financial time series. GARCH model is used to model the temporal variation in financial volatility. Finally, FIGARCH model is used to model dynamic of financial time series returns as well as its volatility behavior. We present some estimators for the studied models. Estimators behavior of the three types of models for different parameters is assessed through a simulation study. At last, applications to real data are presented.Biblioteca Digitais de Teses e Dissertações da USPChiann, ChangSolda, Grazielle Yumi2008-04-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/45/45133/tde-03052008-170204/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-14T22:25:02Zoai:teses.usp.br:tde-03052008-170204Biblioteca 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:27212024-08-14T22:25:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras
Long memory, GARCH and long memory GARCH models for financial time series
title Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras
spellingShingle Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras
Solda, Grazielle Yumi
asset returns
conditional variance
FIGARCH
FIGARCH
GARCH
GARCH
Long memory
Memória longa
retornos
variância condicional
volatilidade
volatility
title_short Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras
title_full Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras
title_fullStr Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras
title_full_unstemmed Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras
title_sort Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras
author Solda, Grazielle Yumi
author_facet Solda, Grazielle Yumi
author_role author
dc.contributor.none.fl_str_mv Chiann, Chang
dc.contributor.author.fl_str_mv Solda, Grazielle Yumi
dc.subject.por.fl_str_mv asset returns
conditional variance
FIGARCH
FIGARCH
GARCH
GARCH
Long memory
Memória longa
retornos
variância condicional
volatilidade
volatility
topic asset returns
conditional variance
FIGARCH
FIGARCH
GARCH
GARCH
Long memory
Memória longa
retornos
variância condicional
volatilidade
volatility
description O objetivo deste trabalho é apresentar e comparar diferentes métodos de modelagem da volatilidade (variância condicional) de séries temporais financeiras. O modelo ARFIMA é empregado para capturar o comportamento de memória longa observado na volatilidade de séries financeiras. Por sua vez, o modelo GARCH é utilizado para modelar a volatilidade variando no tempo destas séries. Finalmente, o modelo FIGARCH é utilizado para modelar a dinâmica dos retornos de séries temporais financeiras juntamente com sua volatilidade. Serão apresentados alguns estimadores para os parâmetros dos modelos estudados. Foram realizadas simulações dos três tipos de modelos com o objetivo de comparar o comportamento dos estimadores para diferentes valores dos parâmetros. Por fim, serão apresentadas aplicações em séries reais.
publishDate 2008
dc.date.none.fl_str_mv 2008-04-10
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://www.teses.usp.br/teses/disponiveis/45/45133/tde-03052008-170204/
url http://www.teses.usp.br/teses/disponiveis/45/45133/tde-03052008-170204/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
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_ 1815256633420283904