Show simple item record

dc.creatorAquino Gutierrez, Karen Fiorella
dc.date.accessioned2018-01-30T19:26:17Z
dc.date.available2018-01-30T19:26:17Z
dc.date.issued2017-07-18
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/9340
dc.description.abstractIn the last decades volatility has become a very important concept in the financial area, being used to measure the risk of financial instruments. In this work, the focus of study is the modeling of volatility, that refers to the variability of returns, which is a characteristic present in the financial time series. As a fundamental modeling tool, we used the GARCH (Generalized Autoregressive Conditional Heteroskedasticity) model, which uses conditional heteroscedasticity as a measure of volatility. Two main characteristics will be considered to be modeled with the purpose of a better adjustment and prediction of the volatility, these are: heavy tails and an asymmetry present in the unconditional distribution of the return series. The estimation of the parameters of the proposed models is done by means of the Bayesian approach with an MCMC (Markov Chain Monte Carlo) methodology , specifically the Metropolis-Hastings algorithm.eng
dc.description.sponsorshipNão recebi financiamentopor
dc.language.isoporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rights.uriAcesso abertopor
dc.subjectSéries temporaispor
dc.subjectInferência bayesianapor
dc.subjectVolatilidadepor
dc.subjectModelos GARCHpor
dc.subjectDistribuições assimétricaspor
dc.subjectTime serieseng
dc.subjectBayesian inferenceeng
dc.subjectVolatilityeng
dc.subjectGARCH modelseng
dc.subjectAsymmetric distributionseng
dc.titleModelagem da volatilidade em séries temporais financeiras via modelos GARCH com abordagem bayesianapor
dc.title.alternativeModeling of volatility in financial time series using GARCH models with bayesian approacheng
dc.typeDissertaçãopor
dc.contributor.advisor1Ehlers, Ricardo Sandes
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4020997206928882por
dc.contributor.advisor-co1Andrade Filho, Marinho Gomes de
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/4126245980112687por
dc.creator.Latteshttp://lattes.cnpq.br/8013181294847240por
dc.description.resumoNas últimas décadas a volatilidade transformou-se num conceito muito importante na área financeira, sendo utilizada para mensurar o risco de instrumentos financeiros. Neste trabalho, o foco de estudo é a modelagem da volatilidade, que faz referência à variabilidade dos retornos, sendo esta uma característica presente nas séries temporais financeiras. Como ferramenta fundamental da modelação usaremos o modelo GARCH (Generalized Autoregressive Conditional Heteroskedasticity), que usa a heterocedasticidade condicional como uma medida da volatilidade. Considerar-se-ão duas características principais a ser modeladas com o propósito de obter um melhor ajuste e previsão da volatilidade, estas são: a assimetria e as caudas pesadas presentes na distribuição incondicional da série dos retornos. A estimação dos parâmetros dos modelos propostos será feita utilizando a abordagem Bayesiana com a metodologia MCMC (Markov Chain Monte Carlo) especificamente o algoritmo de Metropolis-Hastings.por
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-graduação em Estatística UFSCar/USPpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICApor
dc.ufscar.embargoOnlinepor
dc.publisher.addressCâmpus São Carlospor


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record