Submitted by Eduardo Augusto Aun (auneduardo@gmail.com) on 2013-01-16T19:48:06Z No. of bitstreams: 1 DISSERTAÇÃO EDUARDO A AUN 2012 MPFE FGV.pdf: 1487732 bytes, checksum: 0fa68b5193a17357238c3ff083146e3d (MD5) / Approved for entry into archive by Eliene Soares da Silva (eliene.silva@fgv.br) on 2013-01-16T19:49:13Z (GMT) No. of bitstreams: 1 DISSERTAÇÃO EDUARDO A AUN 2012 MPFE FGV.pdf: 1487732 bytes, checksum: 0fa68b5193a17357238c3ff083146e3d (MD5) / Made available in DSpace on 2013-01-16T19:55:33Z (GMT). No. of bitstreams: 1 DISSERTAÇÃO EDUARDO A AUN 2012 MPFE FGV.pdf: 1487732 bytes, checksum: 0fa68b5193a17357238c3ff083146e3d (MD5) Previous issue date: 2012-12-18 / Este estudo compara previsões de volatilidade de sete ações negociadas na Bovespa usando 02 diferentes modelos de volatilidade realizada e 03 de volatilidade condicional. A intenção é encontrar evidências empíricas quanto à diferença de resultados que são alcançados quando se usa modelos de volatilidade realizada e de volatilidade condicional para prever a volatilidade de ações no Brasil. O período analisado vai de 01 de Novembro de 2007 a 30 de Março de 2011. A amostra inclui dados intradiários de 5 minutos. Os estimadores de volatilidade realizada que serão considerados neste estudo são o Bi-Power Variation (BPVar), desenvolvido por Barndorff-Nielsen e Shephard (2004b), e o Realized Outlyingness Weighted Variation (ROWVar), proposto por Boudt, Croux e Laurent (2008a). Ambos são estimadores não paramétricos, e são robustos a jumps. As previsões de volatilidade realizada foram feitas através de modelos autoregressivos estimados para cada ação sobre as séries de volatilidade estimadas. Os modelos de variância condicional considerados aqui serão o GARCH(1,1), o GJR (1,1), que tem assimetrias em sua construção, e o FIGARCH-CHUNG (1,d,1), que tem memória longa. A amostra foi divida em duas; uma para o período de estimação de 01 de Novembro de 2007 a 30 de Dezembro de 2010 (779 dias de negociação) e uma para o período de validação de 03 de Janeiro de 2011 a 31 de Março de 2011 (61 dias de negociação). As previsões fora da amostra foram feitas para 1 dia a frente, e os modelos foram reestimados a cada passo, incluindo uma variável a mais na amostra depois de cada previsão. As previsões serão comparadas através do teste Diebold-Mariano e através de regressões da variância ex-post contra uma constante e a previsão. Além disto, o estudo também apresentará algumas estatísticas descritivas sobre as séries de volatilidade estimadas e sobre os erros de previsão. / This study compares volatility forecasts of seven publicly traded companies using 2 different models of realized volatility and 3 models of conditional volatility. The intention is to find empirical evidence as to the difference in results that are achieved when using models of realized volatility and conditional volatility to predict the volatility of shares in Brazil. The sample period runs from 1 November 2007 to 30 March 2011. The sample includes 5 minutes intraday data. The realized volatility estimators that are considered in this study are the Bi-Power Variation (BPVar) developed by Barndorff-Nielsen and Shephard (2004b), and Weighted Realized Outlyingness Variation (ROWVar) proposed by Boudt, Croux and Laurent (2008a) . Both estimators are non-parametric, and are robust to jumps. The realized volatility forecasts were made by autoregressive models estimated for each share on the estimated volatility series. The conditional variance models considered here are the GARCH (1,1), the GJR (1,1), having asymmetries in its construction, and FIGARCH-CHUNG (1, d 1), having long memory. The sample was divided into two, one for the estimation period from 01 November 2007 to 30 December 2010 (779 trading days) and one for the validation period of 03 January 2011 to 31 March 2011 (61 trading days). The out of sample forecasts were made to 1 day ahead, and the models were reestimated at each step, including one more variable in the sample after each prediction. The predictions will be compared using the Diebold-Mariano test and through regressions of the variance ex-post against a constant and the prediction. Moreover, the study also shows some descriptive statistics on the estimated volatility series and on the forecasting errors.