Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana

Detalhes bibliográficos
Ano de defesa: 2012
Autor(a) principal: José Augusto Fioruci
Orientador(a): Ricardo Sandes Ehlers
Banca de defesa: Mauricio Enrique Zevallos Herencia, Francisco Louzada Neto
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade de São Paulo
Programa de Pós-Graduação: Ciências da Computação e Matemática Computacional
Departamento: Não Informado pela instituição
País: BR
Link de acesso: https://doi.org/10.11606/D.55.2012.tde-05092012-101345
Resumo: A modelagem da volatilidade desempenha um papel fundamental em Econometria. Nesta dissertação são estudados a generalização dos modelos autorregressivos condicionalmente heterocedásticos conhecidos como GARCH e sua principal generalização multivariada, os modelos DCC-GARCH (Dynamic Condicional Correlation GARCH). Para os erros desses modelos são consideradas distribuições de probabilidade possivelmente assimétricas e leptocúrticas, sendo essas parametrizadas em função da assimetria e do peso nas caudas, necessitando assim de estimar esses parâmetros adicionais aos modelos. A estimação dos parâmetros dos modelos é feita sob a abordagem Bayesiana e devido às complexidades destes modelos, métodos computacionais baseados em simulações de Monte Carlo via Cadeias de Markov (MCMC) são utilizados. Para obter maior eficiência computacional os algoritmos de simulação da distribuição a posteriori dos parâmetros são implementados em linguagem de baixo nível. Por fim, a proposta de modelagem e estimação é exemplificada com dois conjuntos de dados reais
id USP_db086d3cf74f2471dd5acf42498b571b
oai_identifier_str oai:teses.usp.br:tde-05092012-101345
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana Volatility modeling through GARCH models with asymetric errors: Bayesian approach 2012-06-12Ricardo Sandes EhlersMauricio Enrique Zevallos HerenciaFrancisco Louzada NetoJosé Augusto FioruciUniversidade de São PauloCiências da Computação e Matemática ComputacionalUSPBR Asymmetric distributions Bayesian inference Distribuições assimétricas GARCH models Inferência Bayesiana Modelagem de volatilidade Modelos GARCH Séries temporais Time series Volatility modeling A modelagem da volatilidade desempenha um papel fundamental em Econometria. Nesta dissertação são estudados a generalização dos modelos autorregressivos condicionalmente heterocedásticos conhecidos como GARCH e sua principal generalização multivariada, os modelos DCC-GARCH (Dynamic Condicional Correlation GARCH). Para os erros desses modelos são consideradas distribuições de probabilidade possivelmente assimétricas e leptocúrticas, sendo essas parametrizadas em função da assimetria e do peso nas caudas, necessitando assim de estimar esses parâmetros adicionais aos modelos. A estimação dos parâmetros dos modelos é feita sob a abordagem Bayesiana e devido às complexidades destes modelos, métodos computacionais baseados em simulações de Monte Carlo via Cadeias de Markov (MCMC) são utilizados. Para obter maior eficiência computacional os algoritmos de simulação da distribuição a posteriori dos parâmetros são implementados em linguagem de baixo nível. Por fim, a proposta de modelagem e estimação é exemplificada com dois conjuntos de dados reais The modeling of volatility plays a fundamental role in Econometrics. In this dissertation are studied the generalization of known autoregressive conditionally heteroscedastic (GARCH) models and its main principal multivariate generalization, the DCCGARCH (Dynamic Conditional Correlation GARCH) models. For the errors of these models are considered distribution of probability possibility asymmetric and leptokurtic, these being parameterized as a function of asymmetry and the weight on the tails, thus requiring estimate the models additional parameters. The estimation of parameters is made under the Bayesian approach and due to the complexities of these models, methods computer-based simulations Monte Carlo Markov Chain (MCMC) are used. For more computational efficiency of simulation algorithms of posterior distribution of the parameters are implemented in low-level language. Finally, the proposed modeling and estimation is illustrated with two real data sets https://doi.org/10.11606/D.55.2012.tde-05092012-101345info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T18:16:40Zoai:teses.usp.br:tde-05092012-101345Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10:32Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana
dc.title.alternative.en.fl_str_mv Volatility modeling through GARCH models with asymetric errors: Bayesian approach
title Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana
spellingShingle Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana
José Augusto Fioruci
title_short Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana
title_full Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana
title_fullStr Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana
title_full_unstemmed Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana
title_sort Modelagem de volatilidade via modelos GARCH com erros assimétricos: abordagem Bayesiana
author José Augusto Fioruci
author_facet José Augusto Fioruci
author_role author
dc.contributor.advisor1.fl_str_mv Ricardo Sandes Ehlers
dc.contributor.referee1.fl_str_mv Mauricio Enrique Zevallos Herencia
dc.contributor.referee2.fl_str_mv Francisco Louzada Neto
dc.contributor.author.fl_str_mv José Augusto Fioruci
contributor_str_mv Ricardo Sandes Ehlers
Mauricio Enrique Zevallos Herencia
Francisco Louzada Neto
description A modelagem da volatilidade desempenha um papel fundamental em Econometria. Nesta dissertação são estudados a generalização dos modelos autorregressivos condicionalmente heterocedásticos conhecidos como GARCH e sua principal generalização multivariada, os modelos DCC-GARCH (Dynamic Condicional Correlation GARCH). Para os erros desses modelos são consideradas distribuições de probabilidade possivelmente assimétricas e leptocúrticas, sendo essas parametrizadas em função da assimetria e do peso nas caudas, necessitando assim de estimar esses parâmetros adicionais aos modelos. A estimação dos parâmetros dos modelos é feita sob a abordagem Bayesiana e devido às complexidades destes modelos, métodos computacionais baseados em simulações de Monte Carlo via Cadeias de Markov (MCMC) são utilizados. Para obter maior eficiência computacional os algoritmos de simulação da distribuição a posteriori dos parâmetros são implementados em linguagem de baixo nível. Por fim, a proposta de modelagem e estimação é exemplificada com dois conjuntos de dados reais
publishDate 2012
dc.date.issued.fl_str_mv 2012-06-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://doi.org/10.11606/D.55.2012.tde-05092012-101345
url https://doi.org/10.11606/D.55.2012.tde-05092012-101345
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Ciências da Computação e Matemática Computacional
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1786376584085635072