Inferência bayesiana em modelos de volatilidade estocástica usando métodos de Monte Carlo Hamiltoniano

• Ano de defesa: 2018
• Autor(a) principal: Dias, David de Souza
• Orientador(a): Ehlers, Ricardo Sandes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de São Carlos; Câmpus São Carlos
• Programa de Pós-Graduação: Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
• Palavras-chave em Português: Inferência Bayesiana; Modelos de Volatilidade Estocástica; Método HMC; WAIC e LOO; Valor em Risco (VaR)
• Palavras-chave em Inglês: Bayesian Inference; Stochastic Volatility Models; HMC methods; WAIC and LOO; Value at Risk (VaR)
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::FUNDAMENTOS DA ESTATISTICA; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA EM PROCESSOS ESTOCASTICOS; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA PARAMETRICA
• Link de acesso: https://repositorio.ufscar.br/handle/20.500.14289/10565

This paper presents a study using Bayesian approach in stochastic volatility models for modeling financial time series, using Hamiltonian Monte Carlo methods (HMC). We propose the use of other distributions for the errors of the equation at stochastic volatiliy model, besides the Gaussian distribution, to treat the problem as heavy tails and asymmetry in the returns. Moreover, we use recently developed information criteria WAIC and LOO that approximate the crossvalidation methodology, to perform the selection of models. Throughout this work, we study the quality of the HMC methods through examples, simulation study and application to dataset. In addition, we evaluated the performance of the proposed models and methods by calculating estimates for Value at Risk (VaR) for multiple time horizons.