Texto completo
| |
| Autor(es): |
Carlos César Trucíos Maza
Número total de Autores: 1
|
| Tipo de documento: | Tese de Doutorado |
| Imprenta: | Campinas, SP. |
| Instituição: | Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica |
| Data de defesa: | 2016-08-25 |
| Membros da banca: |
Luiz Koodi Hotta;
Mauricio Enrique Zevallos Herencia;
Ronaldo Dias;
Pedro Alberto Morettin;
Marcelo Fernandes
|
| Orientador: | Luiz Koodi Hotta |
| Resumo | |
A tese está composta por três ensaios que abordam o problema de construir densidades de previsão em modelos de volatilidade. Os dois primeiros ensaios abordam o problema num contexto de modelos de volatilidade univariados, enquanto que o último ensaio aborda o problema num contexto de modelos de volatilidade multivariados. Em todos os ensaios as metodologias propostas são implementadas e aplicadas a dados empíricos. No primeiro ensaio, intitulado Bootstrap prediction in univariate volatility models with leverage effect, é proposto um algoritmo para obter intervalos de previsões para retornos e volatilidades nos modelos de volatilidade univariados EGARCH e GJR-GARCH. Esse algoritmo é uma extensão do algoritmo de Pascual, Romo e Ruiz (Computational Statistics & Data Analysis, 2006, v50:2293-2312) (PRR) desenvolvido para obter intervalos de previsões dos retornos e volatilidades no modelo GARCH; ainda neste ensaio é observado que tanto o algoritmo PRR, quanto a nossa extensão para os modelos EGARCH e GJRGARCH, podem ser drasticamente afetados na presença de observações atípicas (artigo publicado no Mathematics and Computer in Simulation, 2016, v 120:91-103). No segundo ensaio, intitulado Robust bootstrap forecast densities for GARCH returns and volatilities, é proposto um algoritmo robusto para obter densidades de previsões para retornos e volatilidades no modelo GARCH, que torna o algoritmo de PRR mais robusto e, ao mesmo tempo, mostra um bom desempenho em séries contaminadas e não contaminadas por outliers. O terceiro ensaio, intitulado Robust bootstrap densities for dynamic conditional correlations, apresenta um algoritmo robusto para obter densidades de previsões para retornos, volatilidades e correlações no contexto do modelo cDCC (corrected dynamic conditional correlation). Adicionalmente, o terceiro ensaio também apresenta um algoritmo para obter densidades de previsões para o valor em risco de carteiras (AU) | |
| Processo FAPESP: | 12/09596-0 - Intervalos de previsão bootstrap em modelos de volatilidade univariados e multivariados. |
| Beneficiário: | Carlos Cesar Trucios Maza |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |