Texto completo
| |
| Autor(es): |
Valeria Aparecida Martins Ferreira
Número total de Autores: 1
|
| Tipo de documento: | Dissertação de Mestrado |
| Imprenta: | São Carlos. |
| Instituição: | Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) |
| Data de defesa: | 2001-05-09 |
| Membros da banca: |
Marinho Gomes de Andrade Filho;
André Carlos Ponce de Leon Ferreira de Carvalho;
Valderio Anselmo Reisen
|
| Orientador: | Marinho Gomes de Andrade Filho |
| Resumo | |
Neste trabalho é descrito uma seqüência de procedimentos para estimar parâmetros e selecionar ordem de modelos Auto-Regressivos com heterocedasticidade, ARCH(p), e Auto- Regressivos generalizados, GARCH(p,q). As estimativas são obtidas utilizando duas técnicas: a inferência clássica e a bayesiana em conjunto com simulação de Monte Carlo em Cadeia de Markov (MCMC). Na análise bayesiana utilizamos densidades a priori normais para os parâmetros do modelo. Os métodos desenvolvidos foram aplicados em duas séries geradas e em três séries do mercado financeiro: Índice Bovespa, Telebrás e Cotação em Dólar Americano da moeda Iene Japonês. Em geral, as estimativas de máxima verossimilhança e bayesiana apresentaram resultados próximos. Porém, em algumas séries, o intervalo com 95% de confiança para certos parâmetros do modelo apresentou valores negativos, o que viola as restrições impostas aos parâmetros dos modelos ARCH(p), destacando a vantagem da abordagem bayesiana. (AU) | |
| Processo FAPESP: | 98/12750-2 - Uso de MCMC na abordagem Bayesiana de modelos GARCH |
| Beneficiário: | Valeria Aparecida Martins Ferreira |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |