Return to search

Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras / Long memory, GARCH and long memory GARCH models for financial time series

O objetivo deste trabalho é apresentar e comparar diferentes métodos de modelagem da volatilidade (variância condicional) de séries temporais financeiras. O modelo ARFIMA é empregado para capturar o comportamento de memória longa observado na volatilidade de séries financeiras. Por sua vez, o modelo GARCH é utilizado para modelar a volatilidade variando no tempo destas séries. Finalmente, o modelo FIGARCH é utilizado para modelar a dinâmica dos retornos de séries temporais financeiras juntamente com sua volatilidade. Serão apresentados alguns estimadores para os parâmetros dos modelos estudados. Foram realizadas simulações dos três tipos de modelos com o objetivo de comparar o comportamento dos estimadores para diferentes valores dos parâmetros. Por fim, serão apresentadas aplicações em séries reais. / The goal of this project is to present and compare differents methods of modeling volatility (conditional variance) in financial time series. ARFIMA model is applied to capture long memory behavior of volatility in financial time series. GARCH model is used to model the temporal variation in financial volatility. Finally, FIGARCH model is used to model dynamic of financial time series returns as well as its volatility behavior. We present some estimators for the studied models. Estimators behavior of the three types of models for different parameters is assessed through a simulation study. At last, applications to real data are presented.

Identiferoai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-03052008-170204
Date10 April 2008
CreatorsSolda, Grazielle Yumi
ContributorsChiann, Chang
PublisherBiblioteca Digitais de Teses e Dissertações da USP
Source SetsUniversidade de São Paulo
LanguagePortuguese
Detected LanguagePortuguese
TypeDissertação de Mestrado
Formatapplication/pdf
RightsLiberar o conteúdo para acesso público.

Page generated in 0.0024 seconds