Neste trabalho apresentamos os principais resultados encontrados na literatura, relacionados a processos ARCH, GARCH e EGARCH. Descrevemos os processos FIEGARCH e introduzimos resultados relacionados a estacionariedade e a ergodicidade desses processos. Retomamos os resultados clássicos, relacionados aos métodos de identificação/seleção de modelos para séries temporais, os principais métodos de estimação dos parâmetros e apresentamos vários resultados relacionados a previsão. Apresentamos os principais conceitos relacionados µas medidas de risco e aquelas utilizadas na literatura. Como aplicação, apresentamos a estimação de medidas de risco, tanto para processos FIEGARCH simulados como para séries temporais reais. / In this work we present the main results found in the literature regarding ARCH, GARCH and EGARCH processes. We describe the FIEGARCH processes and introduce results related to stationarity and ergodicity of these processes, among other interesting results. We review the classical results and methods in model identi¯cation/selection for time series, the main methods of parameter estimation and several important results concerning the forecasting. We also present the main concepts related to risk measures and the one considered in the literature. As an application of the whole methodology, we present the estimation of risk measures for both simulated FIEGARCH processes and observed time series.

Neste trabalho apresentamos os principais resultados encontrados na literatura, relacionados a processos ARCH, GARCH e EGARCH. Descrevemos os processos FIEGARCH e introduzimos resultados relacionados a estacionariedade e a ergodicidade desses processos. Retomamos os resultados clássicos, relacionados aos métodos de identificação/seleção de modelos para séries temporais, os principais métodos de estimação dos parâmetros e apresentamos vários resultados relacionados a previsão. Apresentamos os principais conceitos relacionados µas medidas de risco e aquelas utilizadas na literatura. Como aplicação, apresentamos a estimação de medidas de risco, tanto para processos FIEGARCH simulados como para séries temporais reais. / In this work we present the main results found in the literature regarding ARCH, GARCH and EGARCH processes. We describe the FIEGARCH processes and introduce results related to stationarity and ergodicity of these processes, among other interesting results. We review the classical results and methods in model identi¯cation/selection for time series, the main methods of parameter estimation and several important results concerning the forecasting. We also present the main concepts related to risk measures and the one considered in the literature. As an application of the whole methodology, we present the estimation of risk measures for both simulated FIEGARCH processes and observed time series.

Neste trabalho apresentamos os principais resultados encontrados na literatura, relacionados a processos ARCH, GARCH e EGARCH. Descrevemos os processos FIEGARCH e introduzimos resultados relacionados a estacionariedade e a ergodicidade desses processos. Retomamos os resultados clássicos, relacionados aos métodos de identificação/seleção de modelos para séries temporais, os principais métodos de estimação dos parâmetros e apresentamos vários resultados relacionados a previsão. Apresentamos os principais conceitos relacionados µas medidas de risco e aquelas utilizadas na literatura. Como aplicação, apresentamos a estimação de medidas de risco, tanto para processos FIEGARCH simulados como para séries temporais reais. / In this work we present the main results found in the literature regarding ARCH, GARCH and EGARCH processes. We describe the FIEGARCH processes and introduce results related to stationarity and ergodicity of these processes, among other interesting results. We review the classical results and methods in model identi¯cation/selection for time series, the main methods of parameter estimation and several important results concerning the forecasting. We also present the main concepts related to risk measures and the one considered in the literature. As an application of the whole methodology, we present the estimation of risk measures for both simulated FIEGARCH processes and observed time series.

[pt] Os modelos orientados por score, também conhecidos como modelos generalizados de score autorregressivo (GAS), representam uma classe de modelos de séries temporais orientados por observação. Eles possuem propriedades desejáveis para modelagem de séries temporais, como a capacidade de modelar diferentes distribuições condicionais e considerar parâmetros variantes no tempo dentro de uma estrutura flexível. Neste trabalho, apresentamos ScoreDrivenModels.jl, um pacote Julia de código aberto para modelagem, previsão e simulação de séries temporais usando a estrutura de modelos baseados em score. O pacote é flexível no que diz respeito à definição do modelo, permitindo ao usuário especificar a estrutura de atraso e quais parâmetros são variantes no tempo ou constantes. Também é possível considerar várias distribuições, incluindo Beta, Exponencial, Gama, Lognormal, Normal, Poisson, Student s t e Weibull. A interface fornecida é flexível, permitindo aos usuários interessados implementar qualquer distribuição e parametrização desejada. / [en] Score-driven models, also known as generalized autoregressive score (GAS) models, represent a class of observation-driven time series models. They possess desirable properties for time series modeling, such as the ability to model different conditional distributions and to consider time-varying parameters within a flexible framework. In this dissertation, we present ScoreDrivenModels.jl, an open-source Julia package for modeling, forecasting, and simulating time series using the framework of score-driven models. The package is flexible with respect to model definition, allowing the user to specify the lag structure and which parameters are time-varying or constant. It is also possible to consider several distributions, including Beta, Exponential, Gamma, Lognormal, Normal, Poisson, Student s t, and Weibull. The provided interface is flexible, allowing interested users to implement any desired distribution and parametrization.