Orientador: Luiz Koodi Hotta / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-14T22:06:37Z (GMT). No. of bitstreams: 1 Laurini_MarcioPoletti_D.pdf: 7347979 bytes, checksum: 7eeaa94dc367edbf9aadd3766ed32d2d (MD5) Previous issue date: 2009 / Resumo: A tese compreende sete artigos sobre Econometria aplicada a problemas em Finanças. Dois artigos abordam a estimação de modelos de fatores latentes para o ajuste e previsão da Estrutura a Termo de Taxas de Juros, utilizando métodos de Estimação ao Bayesiana utilizando Markov Chain Monte Carlo, com o primeiro introduzindo uma estrutura de parâmetros variantes no tempo e o segundo uma generalização para Estruturas a Termo de Taxas de Juros em múltiplos mercados com a imposição de condições de não-arbitragem. Dois artigos discutem a aplicação de Máxima Verossimilhança Empírica e Mínimo Contraste Generalizado na estimação de equações diferenciais estocásticas e modelos de volatilidade estocástica. O próximo artigo aborda a estimação de equações diferenciais estocásticas com uma estrutura de inovações dirigida por um Movimento Browniano Fracionário, através de uma metodologia de Inferência Indireta. O artigo seguinte discute o uso de métodos não-paramétricos para a interpolação de curvas de juros com a imposição de condições de não-arbitragem, utilizando splines suavizantes sujeitos a restrições de formato. A modelagem de microestruturas no mercado de câmbio 'e abordada no próximo artigo da tese, através do uso de metodologias paramétricas e semi paramétricas e testes para a presença de informação assimétrica. / Abstract: The thesis consists of seven articles on Financial Econometrics. Two articles focus on the estimation of latent factor models to fit and forecast the term structure of interest rates using Bayesian estimation methods through Markov Chain Monte Carlo, with the first article introducing a structure of time-varying parameters and the second article a generalization for the term structure of interest rates in multiple markets with the imposition of no-arbitrage conditions. Two articles discuss the use of Empirical Likelihood and Generalized Minimum Contrast in the estimation of stochastic differential equations and stochastic volatility models. The next article discusses the estimation of stochastic differential equations with a structure of innovations driven by a Fractional Brownian motion, through a method of Indirect Inference. The following article discusses the use of nonparametric methods for interpolation of yield curves with the imposition of no-arbitrage conditions, using smoothing splines with shape restrictions. The modeling of microstructures in the exchange market is discussed in the next article of the thesis, through the use of semi-parametric and non-parametric methodologies and tests for the presence of asymmetric information. / Doutorado / Estatistica Matematica / Doutor em Estatística

Orientadores: Mauricio Enrique Zevallos Herencia, Luiz Koodi Hotta / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-14T12:07:35Z (GMT). No. of bitstreams: 1 Martim_SimoniFernanda_M.pdf: 2441806 bytes, checksum: 4d34450ac590270c90e7eb66a293b51b (MD5) Previous issue date: 2009 / Resumo: O diagnóstico de modelos é uma etapa fundamental para avaliar a qualidade do ajuste dos modelos. Nesse sentido, uma das ferramentas de diagnóstico mais importantes é a análise de influência. Peña (2005) introduziu uma forma de analisar a influência em modelos de regressão, a qual avalia como cada ponto é influenciado pelos outros na amostra. Essa estratégia de diagnóstico foi adaptada por Hotta e Motta (2007) na análise de influência dos modelos de volatilidade estocástica univariados. Nesta dissertação, é realizado um estudo de diagnóstico de influência para modelos de volatilidade estocástica univariados assimétricos, assim como para modelos de volatilidade estocástica multivariados. As metodologias propostas são ilustradas através da análise de dados simulados e séries reais de retornos financeiros. / Abstract: Model diagnostics is a key step to assess the quality of fitted models. In this sense, one of the most important tools is the analysis of influence. Peña (2005) introduced a way of assessing influence in linear regression models, which evaluates how each point is influenced by the others in the sample. This diagnostic strategy was adapted by Hotta and Motta (2007) on the influence analysis of univariate stochastic volatility models. In this dissertation, it is performed a study of influence diagnostics of asymmetric univariate stochastic volatility models as well as multivariate stochastic volatility models. The proposed methodologies are illustrated through the analysis of simulated data and financial time series returns. / Mestrado / Series Temporais Financeiras / Mestra em Estatística