Spelling suggestions: "subject:"volatility models"" "subject:"olatility models""
11 |
[en] SOVEREIGN RISK, VOLATILITY AND THE GOLD STANDARD: 1870-1930 / [pt] RISCO SOBERANO, VOLATILIDADE E PADRÃO-OURO: 1870–1930PEDRO CARVALHO LOUREIRO DE SOUZA 26 January 2010 (has links)
[pt] O presente estudo documenta a relação entre a volatilidade do risco soberano
e adesão ao padrão-ouro no período clássico, entre 1870 e 1914. A aplicação
do modelo econométrico de FCGARCH (ou Flexible Coefficient GARCH)
evidencia que regimes de baixa volatilidade de spreads – tal como medido
pela diferença entre a taxa de juros obtida pelos empréstimos soberanos
no mercado londrino e a contra-partida sem risco, os consols britânicos –
estiveram associados a adesão ao padrão-ouro. De forma geral, interpretase
que a baixa variância gerou as pré-condições necessárias para adesão
ao regime, especialmente para países da periferia. Trabalhos anteriores
limitavam-se à análise do comportamento da média dos spreads quando
da adesão ao regime, sem encontrar nenhum efeito significativo. / [en] This research documents the relationship between sovereign risk volatility
and gold standard adherence in the classical period comprised between 1870
and 1914. The application the econometric model of FCGARCH (or Flexible
Coefficient GARCH) provides evidence that regimes of low volatility of
spreads – as measured by the difference between the interest rate accrued by
sovereign debt floated in the City of London and its risk-free counterpart,
the British consols – were associated to adherence to the gold standard.
In a general manner, it is interpreted that the low variance created the
necessary preconditions for gold standard adherence, specially for countries
in the periphery. Earlier papers on this subject analyzed the mean spread
behavior when country adopted the regime, and no significant effect was
found.
|
12 |
[en] LOCAL SCALE MODEL: AN MULTIPLICATIVE ALTERNATIVE SPECIFICATION TO VOLATILITY ESTIMATION AND FORECASTING FOR FINANCIAL RETIVEN SERIES / [pt] MODELO DE ESCALA LOCAL: UMA ALTERNATIVA DE ESPECIFICAÇÃO MULTIPLICATIVA PARA ESTIMAÇÃO E PREVISÃO DE VOLATILIDADE DE SÉRIES FINANCEIRASEDUARDO LIMA CAMPOS 14 February 2006 (has links)
[pt] Este trabalho apresenta um modelo de volatilidade
estocástica com especificação multiplicativa, chamado
modelo de escala local. O modelo trabalha com a precisão
(recíproca da variância) de uma série temporal. A
precisão
é tratada como componente não observável, caracterizando
o
modelo como estrutural, e é suposta evoluir segundo um
filtro Gama, com um ruído multiplicativo que segue
distribuição Beta. A função de previsão para a variância
é
uma média móvel com amortecimento exponencial (EWMA) no
quadrado das observações passadas, a mesma função de
previsão do modelo IGARCH(1,1). O fator de amortecimento
é
estimado por máxima verossimilhança. A densidade de
medida
é Gaussiana, condicional à precisão não observável, e a
densidade preditiva resulta t de Student, cujos graus de
liberdade são monitorados pelo fator de amortecimento
estimado. A densidade de medida Gaussiaan, embora induza
excesso de curtose nas distribuições incondicional e
preditiva, pode ser inadequada para modelar dados com um
grande excesso de curtose, como é o caso de séries
financeiras. Por isso, é testada uma densidade de medida
mais genérica, a densidade de potência exponencial, que
possui a normal como caso particular. O modelo é chamado
modelo de escala local generalizado. A introdução de
variáveis explicativas é efetuada de maneira trivial.
Intervalos de confiança para os parâmetros do modelo são
obtidos via Bootstrap paramétrico. Os resultados obtidos
são semelhantes àqueles fornecidos pelos modelos GARCH
(1,1) e AR(1)-SV, sendo que o modelo de escala local,
além
da maior facilidade de implementação, fornece soluções
exatas, o que não ocorre no AR(1)-SV, e é mais
parcimonioso do que o GARCH(1,1). / [en] In this thesis, we investigate, and develop further, a
stochastic volatility modelo named local scale model. This
model deals the precision, which is the inverse of the
variance unobserved component, and so fits within the
framework of structural time series models, the precision
is assumed to be a Gamma variable, which evolves through a
multiplicative equation, scaled by a Beta variable. The
measurement density is Gaussian, conditional on the
unobserved precision, and the resulting forecast is a
Student`s t density, with a scale which is approximately
an exponencially weighted moving average (EWMA) of the
sqares of the past observations. The degrees of freedom
of the Student`s t distribution are controlled by the size
of the discount parameter of the EWMA scheme. The
Gaussiannity of the measurement density is potentially
inadequate when the model is applied to heavy tailed
finance data. Instead, this assumption can be replaced by
an exponential power density, which allows the modeling of
the observed excess kurtosis. The extension of the model
to account for explanatory variables is straightforward.
Confidence intervals for the parameters are obtained by
Bootstrap. The model fits like the GARCH(1,1)mand AR(1)-
SV, but the local scale model, besides being easier to
fit, provides a more parcimonious alternative to the GARCH
(1,1) model, and has an exact filter, rather than a best
linear one, like in the AR(1)-SV.
|
13 |
Dealing with heterogeneity in panel VARs using sparse finite mixturesHuber, Florian 04 1900 (has links) (PDF)
In this paper, we provide a parsimonious means of estimating panel VARs with stochastic volatility. We assume that coefficients associated with domestic lagged endogenous variables arise from a finite mixture of Gaussian distribution. Shrinkage on the cluster size is introduced through suitable priors on the component weights and cluster-relevant quantities are identified through novel normal-gamma shrinkage priors. To assess whether dynamic interdependencies between units are needed, we moreover impose shrinkage priors on the coefficients related to other countries' endogenous variables. Finally, our model controls for static interdependencies by assuming that the reduced form shocks of the model feature a factor stochastic volatility structure. We assess the merits of the proposed approach by using synthetic data as well as a real data application. In the empirical application, we forecast Eurozone unemployment rates and show that our proposed approach works well in terms of predictions. / Series: Department of Economics Working Paper Series
|
14 |
[en] STOCHASTIC MODELS FOR THE BRAZILIAN STOCK MARKET VOLATILITY / [pt] MODELOS ESTOCÁSTICOS PARA A VOLATILIDADE DO MERCADO DE AÇÕES BRASILEIRODIEGO CASTELO BRANCO VALENTE 30 December 2004 (has links)
[pt] A volatilidade de uma série temporal financeira é um
parâmetro importante de modelagem do mercado financeiro.
Ela controla a medida de risco associado à dinâmica de
preços do título financeiro, afetando assim o preço
racional dos derivativos. A volatilidade de um ativo
financeiro é uma quantidade estatística que descreve a
magnitude típica das variações de preços do ativo. Por sua
vez, existe uma grande evidência empírica que a
volatilidade segue também um processo estocástico
subjacente ao dos preços. Nesta dissertação, investigamos a
série histórica do IBOVESPA. Utilizamos diferentes
metodologias para estimar a volatilidade a partir dos dados
empíricos das flutuações do índice de preços. Comparamos em
cada caso a função densidade de probabilidade (pdf) da
volatilidade histórica diária com as previsões teóricas de
vários modelos de volatilidade estocástica propostas na
literatura financeira. Os modelos considerados descrevem
processos estocásticos de reversão à média. As equações
diferenciais estocásticas de Itô associadas possuem três
parâmetros: dois parâmetros que controlam o processo de
reversão à média (valor médio de longo prazo da
volatilidade e taxa no tempo da reversão das flutuações
para este valor médio) e um parâmetro que descreve a
amplitude do processo difusivo de Wiener. As pdfs
estacionárias destes modelos são obtidas através de testes
de hipótese. A partir destes resultados, analisamos a
validade dos modelos de volatilidade estocástica estudados
na descrição dos dados empíricos do IBOVESPA. / [en] The volatility of a financial time series is a key variable
in the modeling of the financial markets. It controls the
risk measure associated with the dynamics of price of a
financial asset and also affects the rational price of
derivative products. The volatility of a financial asset is
a statistical quantity that describes the characteristic
magnitude of price changes of the asset. On the other hand,
there is empirical evidence that volatility itself follows
a stochastic process underlined to the price process. In
this thesis, we investigate the historical series of
IBOVESPA. Different methodologies were used to estimate
volatility from the empirical data of the fluctuation of
the index of prices. In each case, we compare the
probability density function (pdf) of daily historical
volatility with the theoretical results from several
stochastic volatility models proposed in the financial
literature. The models considered here describe mean
reverting stochastic processes. The associated stochastic
differential Itô equations have three parameters: two
parameters controlling the mean reverting process (the long
run volatility mean and the time rate of reversion of the
fluctuations to this mean) and one parameter describing the
amplitude of a diffusive Wiener process. The stationary
pdfs of the models are obtained through tests of hypothesis.
From these results, we analyze the validity of the studied
volatility stochastic models in describing the empirical
IBOVESPA data.
|
15 |
[en] MARKET VOLATILITY AND STOCK CORRELATION INSTABILITY / [pt] A VOLATILIDADE DO MERCADO E A INSTABILIDADE DAS CORRELAÇÕES ENTRE AS AÇÕESMARCELO ALENCAR GERBASSI RAMOS 26 January 2004 (has links)
[pt] A diversificação, um dos fundamentos da Teoria Moderna de
Carteiras e baseada na correlação entre ativos, se tornou
importante ferramenta em modelos de alocação de recursos e
gerenciamento de risco de carteiras. No entanto, estudos
recentes apontam redução da eficiência da diversificação em
períodos de maior volatilidade, quando ocorre o aumento da
correlação entre as ações e que provoca graves distorções
nos modelos que consideram a estabilidade da estrutura da
matriz de correlação. A proposta deste trabalho é
investigar a relação entre as variações da matriz de
correlação de ações e a volatilidade do mercado, aplicando
a metodologia apresentada por Jacquier e Marcus (2000) para
o mercado de ações brasileiro e latino americano. Embora
tenha apresentado resultados diferentes para os dois
mercados de ações, verificou-se que o modelo indexado de um
fator consegue explicar que grande parte das variações da
matriz de correlação é explicada pela volatilidade dos
respectivos mercados. / [en] Diversification, one of the foundations of the Modern
Portfolio Theory and based on the asset correlation, has
become an important tool in models for asset allocation and
in risk management. Recent studies, however, indicate a
reduction in the efficiency of diversification in times of
higher volatility since, as the correlation between stocks
increases, there are severe discrepancies in the models
that take into account the stability of the correlation
matrix. The purpose of this dissertation is to investigate
the relationship between variations in the correlation
matrix of stocks and the volatility of the market, applying
the methodology introduced by Jacquier and Marcus (2000) to
the Brazilian and Latin American stock markets. Although
each market presented different results, it was verified
that the model, indexed by a factor, can explain that many
of the variations in the correlation matrix are a result of
the volatility of the respective.
|
16 |
Modelování a predikce volatility finančních časových řad směnných kurzů / Modeling and Forecasting Volatility of Financial Time Series of Exchange RatesŽižka, David January 2008 (has links)
The thesis focuses on modelling and forecasting the exchange rate time series volatility. The basic approach used for the conditional variance modelling are class (G)ARCH models and their variations. Modelling of the conditional mean is based on the use of AR autoregressive models. Due to the breach of one of the basic assumption of the models (normality assumption), an important part of the work is a detailed analysis of unconditional distribution of returns enabling the selection of a suitable distributional assumption of error terms of (G)ARCH models. The use of leptokurtic distribution assumption leads to a major improvement of volatility forecasting compared to normal distribution. In regard to this fact, the often applied GED and the Student's t distributions represent the key-stones of this work. In addition, the less known distributions are applied in the work, e.g. the Johnson's SU and the normal Inverse Gaussian Distribution. To model volatility, a great number of linear and non-linear models have been tested. Linear models are represented by ARCH, GARCH, GARCH in mean, integrated GARCH, fractionally integrated GARCH and HYGARCH. In the event of the presence of the leverage effect, non-linear EGARCH, GJR-GARCH, APARCH and FIEGARCH models are applied. Using suitable models according to the selected criteria, volatility forecasts are made with different long-term and short-term forecasting horizons. Outcomes of traditional approaches using parametric models (G)ARCH are compared with semi-parametric neural networks based concepts that are widely applicable in clustering and also in time series prediction problems. In conclusion, a description is given of the coincident and different properties of the analyzed exchange rate time series. The author further summarized the models that provide the best forecasts of volatility behaviour of the selected time series, including recommendations for their modelling. Such models can be further used to measure market risk rate by the Value at Risk method or in future price estimating where future volatility is inevitable prerequisite for the interval forecasts.
|
17 |
[en] BRAZILIAN STOCK RETURN SERIES: VOLATILITY AND VALUE AT RISK / [es] SERIES DE RETORNOS DE ACCIONES BRASILERAS VOLATILIDAD Y VALOR EN RIESGO / [pt] SÉRIES DE RETORNOS DE AÇÕES BRASILEIRAS: VOLATILIDADE E VALOR EM RISCOPAULO HENRIQUE SOTO COSTA 20 July 2001 (has links)
[pt] O objetivo principal do trabalho é o estudo dos resultados
obtidos com a aplicação de diferentes modelos para estimar
a volatilidade das ações brasileiras. Foram analisadas as
séries de retornos diários de seis ações, num período de
1200 dias de pregão. Inicialmente, as séries foram
estudadas quanto a suas propriedades estatísticas:
estacionariedade, distribuição incondicional e
independência. Concluiu-se que as séries são estacionárias
na média, mas não houve conclusão quanto à variância, nesta
análise inicial. A distribuição dos retornos não é normal,
por apresentar leptocurtose. Os retornos mostraram
dependência no tempo, linear e, principalmente, não linear.
Modelada a dependência linear, foram aplicados dez modelos
diferentes para tentar capturar a dependência não linear
através da modelagem da volatilidade: os modelos foram
avaliados, dentro e fora da amostra, pelos seus resíduos e
pelos erros de previsão. Os resultados indicaram que os
modelos menos elaborados tendem a representar pior o
processo gerador dos dados, mas que os modelos pouco
parcimoniosos são de difícil estimação e seus resultados
não correspondem ao que seria esperado em função de sua
sofisticação. As volatilidades estimadas pelos dez modelos
foram utilizadas para prever valor em risco (VaR), usando-
se dois processos para determinar os quantis das
distribuições dos resíduos: distribuição empírica e teoria
de valores extremos. Os resultados indicaram que os modelos
menos elaborados prevêem melhor o VaR. Isto se deve à não
estacionariedade das séries na variância, que fica evidente
ao longo do trabalho. / [en] This thesis aims to study the results of applying different
models to estimate Brazilian stock volatilities. The models
are applied to six series of daily returns, and each series
has 1200 days. We studied first the series` main
statistical features: Stationarity, unconditional
distribution and independence. We concluded that the series
are mean stationary, but there was no conclusion on
variance stationarity, in this first analysis. Return
distribution is not normal, because of the high kurtosis.
Returns showed time dependence, linear and, mainly, not
linear. We modeled the linear dependence, and then applied
ten different volatility models, in order to try to capture
the non linear dependence. We evaluated the different
models, in sample and out of sample, by analyzing their
residuals and their forecast errors. The results showed
that the less sophisticated models tend to give a worst
representation of the data generating process; they also
showed that the less parsimonious models are difficult to
estimate, and their results are not as good as we could
expect from their sophistication. We used the ten models`
volatility forecasts to estimate value-at-risk (VaR) and two
methods to estimate the residual distribution quantiles:
empirical distribution and extreme value theory. The
results showed that the less sophisticated models give
better VaR estimates. This is a consequence of the variance
non stationarity, that became apparent along the thesis. / [es] EL objetivo principal del trabajo es el estudio de los resultados obtenidos con la aplicación
dediferentes modelos para estimar la volatilidad de las acciones brasileras. Fueron analizadas series
de retornos diários de seis acciones, en un período de 1200 días de pregón. Inicialmente, las series
fueron estudiadas con respecto a sus propriedades estadísticas: estacionalidad, distribucción
incondicional e independencia. Se concluye que las series son estacionarias en la media, pero no se
llega a ninguna conclusión respecto a la varianza, en este análisis inicial. La distribucción de los
retornos no es normal, ya que presenta leptocurtosis. Los retornos muestran dependencia en el tempo,
lineal y, principalmente, no lineal. Después de modelar la dependencia lineal, se aplicaron diez
modelos diferentes para intentar capturar la dependencia no lineal modelando la volatilidad: los
modelos fueron evaluados, dentro y fuera de la amostra, por sus residuos y por los errores de previsión.
Los resultados indicaran que los modelos menos elaborados tienden a representar peor el proceso
generador de los datos, mientras que los modelos poco parcimoniosos son de difícil estimación y sus
resultados no corresponden al que sería esperado en función de su sofisticación. Las volatilidades
estimadas por los diez modelos se utilizaron para prever valor en riesgo (VaR), usando dos procesos
para determinar los quantis de las distribuciones de los residuos: distribucción empírica y teoría de
valores extremos. Los resultados indicaran que los modelos menos elaborados preveen mejor el VaR.
Esto se debe a la no estacionalidad de las series en la varianza, que resulta evidente a lo largo del
trabajo.
|
18 |
[en] MICROSTRUCTURE EFFECTS ON THE BRAZILIAN STOCK MARKET: A STUDY ON INTER AND INTRADAY PATTERNS / [pt] UM ESTUDO DOS EFEITOS DE MICROESTRUTURA NOS PADRÕES INTER E INTRADIÁRIOS DO MERCADO BRASILEIRO DE AÇÕESBETINA GUIMARAES DODSWORTH MARTINS 30 June 2003 (has links)
[pt] Esta dissertação examina os efeitos dos mecanismos de
negociação e do comportamento dos agentes no processo de
formação dos preços das ações do mercado brasileiro. As
evidências iniciais sugerem que o retorno, a variância e o
volume de negócios das ações brasileiras seguem um padrão de
comportamento em forma de U ao longo do dia de transação.
Os retornos de abertura e fechamento são significativamente
altos e positivos. A razão de variância dos retornos
(abertura vs fechamento) parece ser consistentemente
superior a um. Também foi possível verificar que as
volatilidades dos retornos em períodos de transação são
superiores às calculadas para períodos de não funcionamento
do mercado de pregão. Este fato estilizado parece bastante
consistente com as características de liquidez do mercado
brasileiro. No entanto, ao ajustarmos para não normalidade
e dependência serial dos dados, os testes estatísticos não
conseguiram comprovar os padrões identificados. / [en] This dissertation studies the effects of trading mechanisms
and agents behavior in the price formation process of
stocks traded on the Brazilian Stock Exchange. One
interesting finding is that return, volatility and volume
of stock prices follow an U-shaped pattern over the trading
day. Opening and closing returns are large and positive.
The variance ratio (opening versus closing) appears to be
consistently higher than one. Our evidence shows that
volatility is higher for returns during trading periods
what seems to be consistent with the liquidity behavior of
the Brazilian market. However, adjusting for non-normality
and serial dependence, the statistical tests could not
provide strong support for the identified patterns.
|
19 |
[pt] VOLATILIDADE: UM PROCESSO ESTOCÁSTICO ESCONDIDO / [en] VOLATILITY: A HIDDEN STOCHASTIC PROCESSRICARDO VELA DE BRITTO PEREIRA 28 January 2011 (has links)
[pt] A volatilidade é um parâmetro importante de modelagem do mercado
financeiro. Ela controla a medida de risco associado à dinâmica estocástica de
preço do título financeiro, afetando também o preço racional dos
derivativos.Existe evidência empírica que a volatilidade é por sua vez também um
processo estocástico, subjacente ao dos preços. Assim, a volatilidade não pode ser
observada diretamente e tem que ser estimada, constituindo-se de um processo
estocástico escondido.Nesta dissertação, consideramos um estimador para a
volatilidade diária do índice da BOVESPA, baseado em banco de dados intradiários.
Fazemos uma análise estatística descritiva da série temporal obtida,
obtendo-se a função densidade de probabilidade, os momentos e as correlações.
Comparamos os resultados empíricos com as previsões teóricas de vários modelos
de volatilidade estocástica. Consideramos a classe de equações de Itô-Langevin
formada por um processo de reversão à média e um processo difusivo de Wiener
generalizado, com componentes de ruído multiplicativo e/ou aditivo. A partir
dessa análise, é sugerido um modelo para descrever as flutuações de volatilidade
dos preços do mercado acionário brasileiro. / [en] Volatility is a key model parameter of the financial market. It controls the
risk associated to the stochastic dynamics of the asset prices and also affects the
rational price of derivative products. There are empirical evidences that the
volatility is also a stochastic process, underlined to the price one. Therefore, the
volatility is not directly observed and must be estimated, constituting a hidden
stochastic process. In this work, we consider an estimate for the daily volatility of
the BOVESPA index, computed from the intraday database. We perform a
descriptive statistical analysis of the resulting time series, obtaining the
probability density function, moments and correlations. We compare the empirical
outcomes with the theoretical forecasts of many stochastic volatility models. We
consider the class of Itô-Langevin equations composed by a mean reverting
process and a generalized diffusive Wiener process with multiplicative and/or
additive noise components. From this analysis, we propose a model that describes
the volatility fluctuations of the Brazilian stock market.
|
20 |
Stochastic Volatility Models in Option PricingKalavrezos, Michail, Wennermo, Michael January 2008 (has links)
<p>In this thesis we have created a computer program in Java language which calculates European call- and put options with four different models based on the article The Pricing of Options on Assets with Stochastic Volatilities by John Hull and Alan White. Two of the models use stochastic volatility as an input. The paper describes the foundations of stochastic volatility option pricing and compares the output of the models. The model which better estimates the real option price is dependent on further research of the model parameters involved.</p>
|
Page generated in 0.0584 seconds