Modelos de memória longa, GARCH e GARCH com memória longa para séries financeiras / Long memory, GARCH and long memory GARCH models for financial time series
AUTOR(ES)
Grazielle Yumi Solda
DATA DE PUBLICAÇÃO
2008
RESUMO
O objetivo deste trabalho é apresentar e comparar diferentes métodos de modelagem da volatilidade (variância condicional) de séries temporais financeiras. O modelo ARFIMA é empregado para capturar o comportamento de memória longa observado na volatilidade de séries financeiras. Por sua vez, o modelo GARCH é utilizado para modelar a volatilidade variando no tempo destas séries. Finalmente, o modelo FIGARCH é utilizado para modelar a dinâmica dos retornos de séries temporais financeiras juntamente com sua volatilidade. Serão apresentados alguns estimadores para os parâmetros dos modelos estudados. Foram realizadas simulações dos três tipos de modelos com o objetivo de comparar o comportamento dos estimadores para diferentes valores dos parâmetros. Por fim, serão apresentadas aplicações em séries reais.
ASSUNTO(S)
garch volatilidade asset returns figarch memória longa garch variância condicional figarch retornos conditional variance long memory volatility
Documentos Relacionados
- Modelos lineares generalizadas para series temporais com memoria longa
- LONG MEMORY MODELS TO GENERATING STREAMFLOW SCENARIO
- Recurrent neural networks for prediction of short and long memory time series
- Crises Financeiras e Modelos de Contágio
- Estimação de volatilidade em séries financeiras : modelos aditivos semi-paramétricos e GARCH