Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras
Autor(a) principal: | |
---|---|
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 |