Submitted by Bruna Rodrigues (bruna92rodrigues@yahoo.com.br) on 2017-09-27T14:34:29Z
No. of bitstreams: 1
DissKFAG.pdf: 21371434 bytes, checksum: e9355d67b5b05eda13ae02e3ae7d0fdf (MD5) / Approved for entry into archive by Ronildo Prado (bco.producao.intelectual@gmail.com) on 2018-01-30T19:20:29Z (GMT) No. of bitstreams: 1
DissKFAG.pdf: 21371434 bytes, checksum: e9355d67b5b05eda13ae02e3ae7d0fdf (MD5) / Approved for entry into archive by Ronildo Prado (bco.producao.intelectual@gmail.com) on 2018-01-30T19:20:37Z (GMT) No. of bitstreams: 1
DissKFAG.pdf: 21371434 bytes, checksum: e9355d67b5b05eda13ae02e3ae7d0fdf (MD5) / Made available in DSpace on 2018-01-30T19:26:17Z (GMT). No. of bitstreams: 1
DissKFAG.pdf: 21371434 bytes, checksum: e9355d67b5b05eda13ae02e3ae7d0fdf (MD5)
Previous issue date: 2017-07-18 / Não recebi financiamento / In the last decades volatility has become a very important concept in the financial area, being used
to measure the risk of financial instruments. In this work, the focus of study is the modeling of
volatility, that refers to the variability of returns, which is a characteristic present in the financial
time series. As a fundamental modeling tool, we used the GARCH (Generalized Autoregressive
Conditional Heteroskedasticity) model, which uses conditional heteroscedasticity as a measure
of volatility. Two main characteristics will be considered to be modeled with the purpose of a
better adjustment and prediction of the volatility, these are: heavy tails and an asymmetry present
in the unconditional distribution of the return series. The estimation of the parameters of the
proposed models is done by means of the Bayesian approach with an MCMC (Markov Chain
Monte Carlo) methodology , specifically the Metropolis-Hastings algorithm. / Nas últimas décadas a volatilidade transformou-se num conceito muito importante na área financeira, sendo utilizada para mensurar o risco de instrumentos financeiros. Neste trabalho, o foco de estudo é a modelagem da volatilidade, que faz referência à variabilidade dos retornos, sendo esta uma característica presente nas séries temporais financeiras. Como ferramenta fundamental da modelação usaremos o modelo GARCH (Generalized Autoregressive Conditional Heteroskedasticity), que usa a heterocedasticidade condicional como uma medida da volatilidade. Considerar-se-ão duas características principais a ser modeladas com o propósito de obter um melhor ajuste e previsão da volatilidade, estas são: a assimetria e as caudas pesadas presentes na distribuição incondicional da série dos retornos. A estimação dos parâmetros dos modelos propostos será feita utilizando a abordagem Bayesiana com a metodologia MCMC (Markov Chain Monte Carlo) especificamente o algoritmo de Metropolis-Hastings.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufscar.br:ufscar/9340 |
Date | 18 July 2017 |
Creators | Aquino Gutierrez, Karen Fiorella |
Contributors | Ehlers, Ricardo Sandes, Andrade Filho, Marinho Gomes de |
Publisher | Universidade Federal de São Carlos, Câmpus São Carlos, Programa de Pós-graduação em Estatística UFSCar/USP, UFSCar |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFSCAR, instname:Universidade Federal de São Carlos, instacron:UFSCAR |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0951 seconds