Submitted by Cristiane Shirayama (cristiane.shirayama@fgv.br) on 2011-05-30T17:33:11Z No. of bitstreams: 1 63090100002.pdf: 637269 bytes, checksum: 70c3797dc3ee51a70250b12457f359c0 (MD5) / Approved for entry into archive by Cristiane Shirayama(cristiane.shirayama@fgv.br) on 2011-05-30T17:34:40Z (GMT) No. of bitstreams: 1 63090100002.pdf: 637269 bytes, checksum: 70c3797dc3ee51a70250b12457f359c0 (MD5) / Approved for entry into archive by Cristiane Shirayama(cristiane.shirayama@fgv.br) on 2011-05-30T17:35:51Z (GMT) No. of bitstreams: 1 63090100002.pdf: 637269 bytes, checksum: 70c3797dc3ee51a70250b12457f359c0 (MD5) / Made available in DSpace on 2011-05-30T17:36:31Z (GMT). No. of bitstreams: 1 63090100002.pdf: 637269 bytes, checksum: 70c3797dc3ee51a70250b12457f359c0 (MD5) Previous issue date: 2011-04-08 / Usando dados intradiários dos ativos mais negociados do Bovespa, este trabalho considerou dois modelos recentemente desenvolvidos na literatura de estimação e previsão de volatilidade realizada. São eles; Heterogeneous Autorregresive Model of Realized Volatility (HAR-RV), desenvolvido por Corsi (2009)e o Mixed Data Sampling (MIDAS-RV) desenvolvido por Ghysels et. al (2004). Através de medidas de comparação de previsão dentro e fora da amostra, constatou-se resultados superiores do modelo MIDAS-RV apenas para previsões dentro da amostra. Para previsões fora da amostra, no entanto, não houve diferença estatisticamente significativa entre os modelos. Também encontram-se evidências que a utilização da volatilidade realizada induz distribuições dos retornos padronizados mais próximas da normal.