O estudo das propriedades multifractais de séries temporais financeiras.

• Ano de defesa: 2012
• Autor(a) principal: Fonseca, Eder Lucio da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise R/S de Hurst; Crash Index; Detrended Fluctuation Analysis; Detrendend Fluctuation Analysis; Financial Time Series; Indicador de Crash; Multifractalidade; Multifractality; R/S Hurst Analysis; Séries Temporais Financeiras; Sliding Observation Box; Sliding Observation Box.; Termodinâmica; Thermodynamics
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/100/100132/tde-07052012-230908/

Séries temporais financeiras, como índices de mercado e preços de ativos, são produzidas por interações complexas dos agentes que participam do mercado. As propriedades fractais e multifractais destas séries fornecem evidências para detectar com antecedência a ocorrência de movimentos bruscos de mercado (crashes). Tais evidências são obtidas ao aplicar o conceito de Calor Específico Análogo C(q), proveniente da equivalência entre a Multifractalidade e Termodinâmica. Na proximidade de um crash, C(q) apresenta um ombro anômalo à direita de sua curva, enquanto que na ausência de um crash, possui o formato parecido com uma distribuição gaussiana. Com base neste comportamento, o presente trabalho propõe um novo indicador temporal IA(i), definido como a taxa de variação da área sob a curva de C(q). O indicador foi construído por intermédio de uma janela temporal de tamanho s que se movimenta ao longo da série, simulando a entrada de dados na série ao longo do tempo. A análise de IA(i) permite detectar com antecedência a ocorrência de grandes movimentos, como os famosos crashes de 1929 e 1987 para os índices Dow Jones, S&P500 e Nasdaq. Além disso, a análise simultânea de medidas como a Energia Livre, a Dimensão Multifractal e o Espectro Multifractal, sugerem que um crash de mercado se assemelha a uma transição de fase. A robustez do método para diferentes ativos e diferentes períodos de tempo, demonstra a importância dos resultados. Além disso, modelos estatísticos não lineares para a volatilidade foram empregados no trabalho para estudar grandes flutuações causadas por crashes e crises financeiras ao longo do tempo.